SQLBot: Der intelligente Bot, der natürliche Sprache in SQL-Abfragen umwandelt

SQLBot ist ein intelligentes Datenabfragesystem, das die Technologien Large Language Modelling (LLM) und Retrieval Augmentation Generation (RAG) kombiniert. Als Funktionsmodul des Open-Source-Business-Intelligence (BI)-Tools DataEase löst es vor allem das Problem gewöhnlicher Geschäftsleute, die mit der SQL-Sprache nicht vertraut sind und Schwierigkeiten haben, Daten direkt aus der Datenbank abzurufen. SQLBot kann die Absicht der Frage verstehen und automatisch einen präzisen SQL-Abfragecode generieren, der schließlich Abfrageergebnisse oder visuelle Diagramme zurückgibt. Das Tool ist sofort einsatzbereit und kann mit einer einfachen Konfiguration des großen Modells und der Datenquelle gestartet werden. Es ist außerdem leicht zu integrieren und kann in eine Vielzahl von Geschäftssystemen von Drittanbietern eingebettet werden, so dass diese Anwendungen mit Conversational Data Analytics ausgestattet werden können. Darüber hinaus bietet SQLBot eine auf Arbeitsbereichen basierende Ressourcenteilung und eine fein abgestufte Kontrolle der Datenrechte, um die Sicherheit des Datenabfrageprozesses zu gewährleisten.

Funktionsliste

• Natürliche Sprache zu SQLKernfunktionalität, die automatisch die natürlichsprachliche Frage eines Benutzers (Text) in eine strukturierte Abfragesprache (SQL) umwandelt.
• RAG-ErweiterungIntegration von Retrieval Augmented Generation (RAG)-Techniken zur Verbesserung der Genauigkeit der SQL-Generierung für große Modelle in spezifischen Datenumgebungen.
• Unterstützung von DatenquellenKann verschiedene gängige Datenbanken wie MySQL verbinden und abfragen.
• Modell-ManagementUnterstützung des Zugriffs auf und der Verwaltung von mehreren groß angelegten Sprachmodellen, die vom Benutzer je nach Bedarf konfiguriert und umgeschaltet werden können.
• PrivilegienkontrolleRessourcenisolierung auf Arbeitsplatzebene und fein abgestufte Datenrechteverwaltung zur Gewährleistung der Datensicherheit.
• Leicht zu integrierenUnterstützt die schnelle Einbettung in Geschäftssysteme von Drittanbietern als Plug-Ins oder Module sowie die Integration durch n8n, Dify, Coze und andere Plattformen zur Entwicklung von KI-Anwendungen.
• sofort einsatzbereitBereitstellung von Ein-Klick-Installationsskripten und Docker-Bereitstellungsmethoden zur Vereinfachung des Bereitstellungs- und Konfigurationsprozesses.

Hilfe verwenden

Der Prozess der Installation und Verwendung von SQLBot ist sehr einfach und gliedert sich in vier Hauptschritte: Vorbereitung der Umgebung, Starten des Dienstes, anfängliche Konfiguration und erste Schritte.

1. ökologische Vorbereitung und Installation

Bevor Sie SQLBot installieren, muss Ihr Server dieDockerim Gesang antwortenDocker Compose. Diese beiden Tools bilden die Grundlage für die containerisierte Bereitstellung.

Sobald die Vorbereitungen abgeschlossen sind, können Sie die folgenden Befehle befolgen, um eine Ein-Klick-Installation durchzuführen:

1. Erstellen Sie ein Installationsverzeichnis und gehen Sie zu
   Wählen Sie einen geeigneten Ort auf Ihrem Linux-Server, zum Beispiel/opt/sqlbotund erstellen Sie das Verzeichnis.

   mkdir -p /opt/sqlbot
   cd /opt/sqlbot
   

2. Konfigurationsdatei herunterladen
   ausnutzencurlBefehl zum Herunterladen aus dem offiziellen GitHub-Repositorydocker-compose.yamlDatei. Diese Datei definiert den SQLBot-Dienst und seine abhängigen Umgebungen.

   curl -o docker-compose.yaml https://raw.githubusercontent.com/dataease/SQLBot/main/docker-compose.yaml
   

3. Neue Dienste
   Führen Sie den folgenden Befehl aus und Docker Compose zieht automatisch das Image und startet den SQLBot-Dienst basierend auf der Konfigurationsdatei.-dzeigt an, dass das Programm im Hintergrund läuft.

   docker compose up -d
   

   Sie können auch1PanelApp Store für die visuelle Bereitstellung mit einem Mausklick.

2. besuche und anmeldungen

Sobald der Dienst gestartet ist, rufen Sie in Ihrem Browser die IP-Adresse des Bereitstellungsservers und die8000Häfen:http://<你的服务器IP>:8000/.

Die Standardinformationen für das Systemadministratorkonto lauten wie folgt:

• Benutzer-ID: admin
• kryptographisch: SQLBot@123456

Es wird empfohlen, das Standardpasswort nach der ersten Anmeldung zu ändern.

3. die Kernkonfiguration

Nach erfolgreicher Anmeldung sind zwei grundlegende Konfigurationen erforderlich, um die Funktion Smart Ask Count zu nutzen:Konfigurieren des großen Modellsim Gesang antwortenHinzufügen einer Datenquelle.

1. Konfigurieren des großen Modells
   • Nachdem Sie das System betreten haben, suchen Sie das Menü "Modellverwaltung".
   • Klicken Sie auf "Neu" oder "Modell hinzufügen" und wählen Sie das Modell aus, das Sie verwenden möchten (z. B. GPT, Wenshin Yiyin, Tongyi Qianqian, oder lokal eingesetzte Modelle usw.).
   • Folgen Sie den Aufforderungen der Schnittstelle, um den API-Schlüssel des Modells, die Basis-URL und andere Authentifizierungsinformationen einzugeben.
   • Sobald das Modell gespeichert ist, wird es dem System hinzugefügt. Sie können mehrere Modelle hinzufügen und eines als Standardmodell für Abfragen festlegen.
2. Hinzufügen einer Datenquelle
   • Wechseln Sie zum Menü "Datenquellen" und klicken Sie auf "Neue Datenquelle".
   • Wählen Sie Ihren Datenquellentyp aus der Liste der unterstützten Datenbanktypen aus, z. B. "MySQL".
   • Füllen Sie die Verbindungsinformationen für diese Datenquelle aus, einschließlich:
     • Name (einer Sache)Geben Sie dieser Datenquelle einen leicht erkennbaren Namen, z. B. "Production Environment Sales Database".
     • Hostname/IP-Adresse: Die Adresse des Datenbankservers.
     • HäfenDatenbank-Dienst-Port.
     • DatenbanknameDer Name der spezifischen Datenbank, mit der Sie sich verbinden müssen.
     • Benutzername/PasswortKonto und Passwort für die Datenbankauthentifizierung.
   • Nachdem Sie das Formular ausgefüllt haben, können Sie auf die Schaltfläche "Testen" klicken, um zu prüfen, ob die Verbindung erfolgreich ist oder nicht. Wenn der Test erfolgreich war, klicken Sie auf "Speichern".

4. mit dem intelligenten Zählen beginnen

Nachdem Sie die obige Konfiguration abgeschlossen haben, können Sie die Software verwenden.

• Rufen Sie den Frage- und Antwortbildschirm auf (oft "Dialog" oder "Q&A" genannt).
• Beschreiben Sie im Eingabefeld die Daten, die Sie abfragen möchten, in natürlicher Sprache. Sie könnten zum Beispiel eingeben: "Helfen Sie mir herauszufinden, welches die fünf umsatzstärksten Produkte im letzten Monat waren?
• SQLBot sendet Ihr Problem zur Verarbeitung an ein konfiguriertes großes Modell, erzeugt SQL-Anweisungen und führt die Abfrage automatisch aus.
• Die Abfrageergebnisse werden direkt auf der Benutzeroberfläche in Form von Tabellen, Karten oder Diagrammen angezeigt, so dass Sie einen schnellen Zugriff auf Dateneinblicke erhalten.

Anwendungsszenario

1. Self-Service-Datenanalyse für Geschäftsleute
   Mitarbeiter in den Bereichen Marketing, Betrieb, Vertrieb usw., die normalerweise nicht in der Lage sind, SQL zu schreiben, können mit SQLBot in natürlicher Sprache Fragen direkt an die Datenbank stellen, z. B. "Abfrage des Wachstumstrends neuer Nutzer in den letzten 30 Tagen" oder "Statistik über den prozentualen Anteil der Verkäufe verschiedener Warenarten in Ostchina", wodurch die Effizienz der datengesteuerten Entscheidungsfindung erheblich verbessert wird. SQLBot ermöglicht es ihnen, in natürlicher Sprache Fragen direkt an die Datenbank zu stellen, z. B. "Abfrage des Wachstumstrends der neuen Nutzer in den letzten 30 Tagen" oder "Statistiken über den Verkauf verschiedener Produkte in Ostchina", wodurch die Selbstabfrage und Analyse von Daten realisiert und die Effizienz der datengesteuerten Entscheidungsfindung erheblich verbessert wird.
2. Schnelle Datenexploration
   Datenanalysten müssen häufig Abfrageanweisungen mit verschiedenen Dimensionen schreiben, wenn sie explorative Datenanalysen (EDA) durchführen. Mit SQLBot können Analysten Datenhypothesen durch Dialoge wie "Gibt es einen Unterschied im durchschnittlichen Stückpreis zwischen männlichen und weiblichen Nutzern?" schnell überprüfen. Dadurch wird mehr Zeit für die Datenanalyse als für das Schreiben von Code aufgewendet.
3. Eingebettete Analytik
   Es ist möglich, die Q&A-Funktionen von SQLBot in die bestehenden Geschäftssysteme eines Unternehmens (z. B. CRM, ERP) zu integrieren. Bei der Verwendung dieser Systeme müssen die Benutzer nicht zu einer speziellen BI-Plattform wechseln, sondern können die relevanten Daten direkt über das Dialogfenster abfragen, wodurch eine nahtlose Integration von Datenanalysefunktionen und Geschäftsprozessen erreicht wird.

QA

1. Welche Arten von großen Modellen unterstützt SQLBot?
   SQLBot ist offen konzipiert und unterstützt den Zugriff auf die wichtigsten großen Sprachmodelle auf dem Markt, einschließlich der GPT-Serie von OpenAI, Wenxin Yiyin von Baidu, Tongyi Qianqian von Ali und so weiter. Darüber hinaus unterstützt es auch den Zugriff auf Open-Source-Modelle, die lokal über Tools wie Ollama bereitgestellt werden.
2. Muss ich zuerst DataEase installieren, um SQLBot zu verwenden?
   SQLBot kann als Teil des DataEase-Ökosystems betrachtet werden und lässt sich am besten in Verbindung mit diesem System nutzen. Aber es ist auch ein eigenständiges System, das unabhängig eingesetzt und integriert werden kann, und Sie können es in Ihre anderen Geschäftsplattformen integrieren.
3. Wie wird die Genauigkeit des generierten SQL sichergestellt?
   SQLBot nutzt die RAG-Technologie (Retrieval Augmented Generation). Bevor ein Benutzerproblem an das große Modell gesendet wird, ruft das System die wichtigsten Informationen über das Problem aus den Metadaten der Datenbank ab (z. B. Tabellenstruktur, Feldnamen, Kommentare usw.) und stellt diese Informationen dem großen Modell als Kontext zur Verfügung. Dadurch wird die Fähigkeit des Modells, die Datenstruktur zu verstehen, erheblich verbessert und somit eine genauere SQL generiert.
4. Wie wird die Datensicherheit gewährleistet?
   SQLBot bietet einen Mechanismus zur Isolierung von Ressourcen auf Arbeitsbereichsebene, bei dem Datenquellen und Q&A-Verläufe in verschiedenen Bereichen voneinander isoliert werden. Gleichzeitig können Administratoren eine fein abgestufte Kontrolle der Datenberechtigungen durchführen, um sicherzustellen, dass Benutzer nur Daten innerhalb ihrer Berechtigungen abfragen können, um Datenverluste zu vermeiden.