SQLBot：自然言語をSQLクエリに変換するインテリジェントボット

SQLBotは、Large Language Modelling (LLM)とRetrieval Augmentation Generation (RAG)の技術を組み合わせたインテリジェントなデータクエリシステムです。 オープンソースのビジネスインテリジェンス(BI)ツールDataEaseの機能モジュールとして、主にSQL言語に不慣れでデータベースから直接データを取得することが困難な一般のビジネスパーソンの問題を解決します。ユーザーは日常会話で質問をすることができ、SQLBotは質問の意図を理解し、自動的に正確なSQLクエリコードを生成し、最終的にクエリ結果やビジュアルチャートを返します。 このツールはすぐに使用でき、ビッグモデルとデータソースの簡単な設定で起動できます。また、統合も簡単で、様々なサードパーティのビジネスシステムに組み込むことができ、これらのアプリケーションに会話型データ分析を提供します。さらにSQLBotは、ワークスペースベースのリソース分離ときめ細かなデータ権限制御を提供し、データクエリプロセスのセキュリティを確保します。

機能一覧

• 自然言語からSQLへユーザーの自然言語による質問（テキスト）を構造化クエリー言語（SQL）に自動的に変換するコア機能。
• RAG強化特定のデータ環境におけるビッグモデルのSQL生成精度を向上させるために、検索拡張生成（RAG）技術を統合する。
• データソース・サポートMySQLのような様々な主流のデータベースに接続し、問い合わせることができる。
• モデル・マネージメント複数の大規模言語モデルへのアクセスと管理をサポートし、要件に応じてユーザーが設定や切り替えを行うことができます。
• 特権制御ワークスペース・レベルのリソース分離ときめ細かなデータ権限管理により、データ・セキュリティを保護します。
• 統合が容易n8n、Dify、Coze、その他のAIアプリケーション開発プラットフォームによる統合だけでなく、プラグインやモジュールとしてサードパーティの業務システムへの迅速な組み込みをサポートします。
• すぐに使えるワンクリックでインストールできるスクリプトとDockerのデプロイ方法を提供し、デプロイと設定のプロセスを簡素化します。

ヘルプの使用

SQLBotをインストールして使用するプロセスは非常に簡単で、主に4つのステップに分かれています：環境の準備、サービスの起動、初期設定、および開始。

1.環境の準備と設置

SQLBot をインストールする前に、サーバーにDocker歌で応えるDocker Compose.この2つのツールは、コンテナ展開の基礎となるものだ。

準備が完了したら、以下のコマンドに従ってワンクリックでインストールを行うことができます：

1. インストール・ディレクトリを作成し
   Linuxサーバーの適切な場所を選択してください。/opt/sqlbotを作成し、ディレクトリを作成する。

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

2. 設定ファイルのダウンロード
   利用するcurl公式GitHubリポジトリからダウンロードするコマンドdocker-compose.yamlファイルで定義されています。このファイルはSQLBotサービスとその依存環境を定義します。

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

3. サービス開始
   以下のコマンドを実行すると、Docker Composeが自動的にイメージを取得し、設定ファイルに基づいてSQLBotサービスを起動します。-dパラメーターはバックグラウンドで実行されていることを示す。

   docker compose up -d
   

   をパスすることもできる。1PanelApp Storeでワンクリックのビジュアルデプロイメント。

2.訪問とログイン

サービスが開始したら、ブラウザでデプロイメント サーバの IP アドレスと8000港：http://<你的服务器IP>:8000/.

デフォルトのシステム管理者アカウント情報は以下の通り：

• 利用者ID: admin
• 暗号化: SQLBot@123456

初回ログイン後にデフォルトのパスワードを変更することをお勧めします。

3.コア構成

ログインに成功した後、スマート・アスク・カウント機能の使用を開始するには、2つのコア設定が必要です：ビッグモデルの設定歌で応えるデータソースの追加.

1. ビッグモデルの設定
   • システムに入ったら、"モデル管理 "に関連するメニューを見つける。
   • New "または "Add Model "をクリックし、使用するモデルを選択する（GPT、Wenshin Yiyin、Tongyi Qianqian、またはローカルに配置されたモデルなど）。
   • インターフェースのプロンプトに従って、モデルのAPI Key、Base URL、その他の認証情報を入力します。
   • 保存されると、モデルがシステムに追加されます。複数のモデルを追加し、クエリのデフォルトモデルとして使用するモデルを設定することができます。
2. データソースの追加
   • データソース」メニューに切り替え、「新規データソース」をクリックする。
   • サポートされているデータベースタイプのリストからデータソースのタイプを選択します。
   • このデータソースの接続情報を記入する：
     • なこのデータ・ソースには、"Production Environment Sales Database "などのわかりやすい名前を付けます。
     • ホスト名/IPアドレスデータベースサーバーのアドレス。
     • ポートデータベースサービスのポート。
     • データベース名接続先のデータベース名。
     • ユーザー名/パスワードデータベース認証用のアカウントとパスワード。
   • フォームに記入後、"Test "ボタンをクリックして、接続が成功したかどうかをテストすることができます。テストに合格したら、「保存」をクリックしてください。

4.スマート・カウントの開始

上記の設定が完了したら、使用を開始できる。

• 質疑応答画面（「ダイアログ」または「Q&A」と呼ばれることが多い）に移動する。
• 入力ボックスに、クエリーしたいデータを自然言語で記述する。例えば、"先月の売れ筋商品トップ5を教えてください "と入力することができます。
• SQLBotは、設定されたビッグモデルに問題を送信して処理し、SQLステートメントを生成し、自動的にクエリを実行します。
• クエリの結果は、テーブル、カード、またはチャートの形でインターフェイス上に直接表示され、データの洞察に素早くアクセスすることができます。

アプリケーションシナリオ

1. ビジネスマンのためのセルフサービス・データ分析
   SQLBotは、通常SQLを書く能力を持たないマーケティング、オペレーション、セールスなどの従業員に対して、「過去30日間の新規ユーザーの増加傾向を照会する」、「華東地区における各種商品の販売割合に関する統計」など、自然言語を通じてデータベースに直接質問することを可能にし、データ駆動型の意思決定の効率を大幅に向上させます。SQLBotは、「過去30日間の新規ユーザーの増加傾向を照会する」、「華東地区における各種商品の販売割合に関する統計」など、自然言語を通じてデータベースに直接質問することができ、データのセルフサービス照会と分析を実現し、データ駆動型意思決定の効率を大幅に向上させる。
2. 迅速なデータ探索
   データアナリストは、探索的データ分析（EDA）を行う際に、異なる次元のクエリ文を頻繁に記述する必要があります。SQLBotを使用すると、アナリストは、"男性と女性のユーザーの間で平均単価に違いはありますか？"といったダイアログを通じて、データの仮説を素早く検証することができます。これにより、コード記述よりもデータ洞察により多くの労力を割くことができます。
3. エンベデッド・アナリティクス
   SQLBotのQ&A機能を、企業の既存のビジネスシステム（CRMやERPなど）に統合することが可能です。これらのシステムを使用する場合、ユーザーは専用のBIプラットフォームにジャンプする必要はなく、ダイアログウィンドウから直接関連データを照会することができ、データ分析機能とビジネスプロセスのシームレスな統合を実現します。

品質保証

1. SQLBotはどのようなビッグモデルをサポートしていますか？
   SQLBotはオープンな設計で、OpenAIのGPTシリーズ、BaiduのWenxin Yiyin、AliのTongyi Qianqianなど、市場で主流の大規模言語モデルへのアクセスをサポートしています。さらに、Ollamaのようなツールを通じてローカルに展開されたオープンソースモデルへのアクセスもサポートしています。
2. SQLBotを使用するには、まずDataEaseをインストールする必要がありますか？
   SQLBotは、DataEaseのエコシステムの一部であり、DataEaseと組み合わせて使用することで、最高の効果を発揮します。SQLBotは、DataEaseのエコシステムの一部であり、DataEaseと組み合わせて使用するのが最適です。
3. 生成されたSQLの正確性はどのように保証されるのか？
   SQLBotはRAG（Retrieval Augmented Generation）技術を利用しています。ユーザーの問題をビッグモデルに送信する前に、システムはデータベースのメタデータ（テーブル構造、フィールド名、コメントなど）からその問題に関する最も関連性の高い情報を取得し、この情報をコンテキストとしてビッグモデルに提供します。これにより、モデルのデータ構造理解能力が大幅に向上し、より正確なSQLが生成される。
4. データ・セキュリティはどのように確保されているのか？
   SQLBotはワークスペース・レベルのリソース分離メカニズムを提供し、異なるスペースにあるデータ・ソースとQ&A履歴は互いに分離されます。同時に、管理者はきめ細かなデータ権限制御を行うことができ、ユーザが自分の権限内でしかデータを照会できないようにすることで、データの漏洩を防ぐことができます。