写点什么

利用 LangChain 构建的智能数据库操作系统

  • 2024-05-10
    江西
  • 本文字数:1463 字

    阅读完需:约 5 分钟

在 Retrieval 或者 ReACT 的一些场景中,常常需要数据库与人工智能结合。而 LangChain 本身就封装了许多相关的内容,在其官方文档-SQL 能力中,也有非常好的示例。

获取更多技术资料,请点击!


而其实现原理主要是通过 LLM 将自然语言转换为 SQL 语句,然后再通过 LLM 获取执行的操作,最终生成一个答案和结论。


应用场景

在未出现人工智能,如果想要完成数据查询与数据分析的工作,则需要相关人员有相应的数据库的功底,而在 LangChain 结合大语言模型的过程中,应对这些问题则相当轻松——写清晰的提示词即可。


  • 生成将基于自然语言问题运行的查询。


在传统的工作流程中,如果想要在数据库中搜索一些信息,那么就必须要掌握相应的数据库技术,比如 SQL 语句查询等,但是其本身有很高的学习成本。如果能用自然语言代替这个过程,则任何人都无需学习 SQL 语法,即可轻松进行数据的查询。


  • 根据数据库数据回答问题的聊天机器人。


自然也可以做一个基于数据库信息的问答机器人,比如产品经理以及一些业务人员,也可以轻松获得数据库的信息。


  • 数据分析展示面板


之前常常会通过 SQL 完成一些数据分析的工作,并通过各种样式的表格展示出来。此过程也可以通过人工智能完成。

实战案例

需求说明

  • 输入查询的需求,返回查询的结果。

  • 查询的结果通过自然语言表述(选做)。

实现思路

对应源码

实现输入查询的提示词,返回查询结果:



from langchain_community.utilities import SQLDatabasedb = SQLDatabase.from_uri("sqlite:///Chinook.db")# 通过LLM 获取查询语句from langchain.chains import create_sql_query_chainfrom langchain_openai import ChatOpenAIllm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)from langchain_community.tools.sql_database.tool import QuerySQLDataBaseTool# 执行查询动作execute_query = QuerySQLDataBaseTool(db=db)# 获取sql 查询语句write_query = create_sql_query_chain(llm, db)# 先生成查询语句,再执行查询动作chain = write_query | execute_queryresponse = chain.invoke({"question": "How many employees are there"})print(response)
复制代码


查询结果转换为自然语言(更好让人理解):


from operator import itemgetterfrom langchain_core.output_parsers import StrOutputParserfrom langchain_core.prompts import PromptTemplatefrom langchain_core.runnables import RunnablePassthrough# 定义提示词,其中有 question、query、result 三个变量answer_prompt = PromptTemplate.from_template(    """Given the following user question, corresponding SQL query, and SQL result, answer the user question.
Question: {question}SQL Query: {query}SQL Result: {result}Answer: """)
answer = answer_prompt | llm | StrOutputParser()# query通过write_query链的执行结果获取# result 通过 execute_query链获取chain = ( RunnablePassthrough.assign(query=write_query).assign( result=itemgetter("query") | execute_query ) | answer)print(chain.invoke({"question": "How many employees are there"}))
复制代码


解决数据库表数据过多的问题


在实际使用过程中,如果数据库表数据过多,可以限制使用的表名,以缩小查询范围,节省 token


chain.invoke(SQLInputWithTables(question="xxx", table_names_to_use=['表a', '表b']))

总结

  1. 掌握 LangChain 完成数据库操作的应用场景。

  2. 掌握通过 LangChain 完成数据库查询的能力。

  3. 掌握通过 LangChain 将结果转换为自然语言的能力。

用户头像

社区:ceshiren.com 微信:ceshiren2021 2019-10-23 加入

微信公众号:霍格沃兹测试开发 提供性能测试、自动化测试、测试开发等资料,实时更新一线互联网大厂测试岗位内推需求,共享测试行业动态及资讯,更可零距离接触众多业内大佬。

评论

发布
暂无评论
利用LangChain构建的智能数据库操作系统_霍格沃兹测试开发学社_InfoQ写作社区