Spring AI系列——大模型驱动的自然语言SQL引擎：Java技术实现详解

极客智谷2025-05-07 9:41
1. 引言

在现代数据处理场景中，用户通常希望通过自然语言与数据库交互，而无需编写复杂的SQL语句。这种需求推动了大模型在自然语言处理（NLP）和数据库查询生成领域的应用。本文将详细介绍如何使用大模型实现自然语言查询关系型数据库SQL的功能，包括技术原理、架构设计、代码实现以及参数配置。

2. 技术原理

大模型通过理解用户输入的自然语言问题，并将其转换为对应的SQL查询语句，从而实现对关系型数据库的查询操作。以下是该功能的核心原理：

  1. 自然语言理解：大模型首先需要解析用户输入的自然语言问题，提取其中的关键信息（如实体、关系、条件等）。
  2. SQL生成：基于解析后的语义信息，大模型生成符合数据库模式的SQL查询语句。
  3. 执行与返回结果：生成的SQL语句被发送到数据库执行，并将查询结果返回给用户。
3. 架构设计

以下是大模型实现自然语言查询关系型数据库SQL的典型架构：

  1. 前端接口层 ：
    • 提供RESTful API接口，接收用户输入的自然语言问题。
    • 示例代码如下：
java 复制代码 
package com.alibaba.example.sql.controller;

import java.io.IOException;
import java.nio.charset.Charset;
import java.util.List;
import java.util.Map;

import com.alibaba.example.sql.SQLGenerationException;

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.core.io.Resource;
import org.springframework.jdbc.core.JdbcTemplate;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestBody;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class SQLController {

	@Value("classpath:/schema.sql")
	private Resource ddlResource;

	@Value("classpath:/sql-prompt-template.st")
	private Resource sqlPromptTemplateResource;

	private final ChatClient chatClient;
	private final JdbcTemplate jdbcTemplate;

	public SQLController(
			ChatClient.Builder aiClientBuilder,
			JdbcTemplate jdbcTemplate
	) {

		this.chatClient = aiClientBuilder.build();
		this.jdbcTemplate = jdbcTemplate;
	}

	@PostMapping(path = "/sql")
	public Answer sql(@RequestBody SqlRequest sqlRequest) throws IOException {

		String schema = ddlResource.getContentAsString(Charset.defaultCharset());
		String sqlPromptTemplate = sqlPromptTemplateResource.getContentAsString(Charset.defaultCharset());

		String query = chatClient.prompt()
				.user(userSpec -> userSpec
						.text(sqlPromptTemplate)
						.param("question", sqlRequest.question())
						.param("ddl", schema)
				)
				.call()
				.content();

		assert query != null;
		if (query.toLowerCase().startsWith("select")) {

			return new Answer(
					query,
					jdbcTemplate.queryForList(query)
			);
		}

		throw new SQLGenerationException(query);
	}

	public record SqlRequest(String question) { }

	public record Answer(String sqlQuery, List<Map<String, Object>> results) { }

}
  1. 大模型服务层 ：
    • 使用预训练的大模型（如DashScope）生成SQL查询。
    • 配置文件中需指定大模型的API密钥：
yaml 复制代码 
 spring:
   ai:
     dashscope:
       api-key: ${AI_DASHSCOPE_API_KEY:sk-7074dss9idjddkkdbf31ssss}
  1. 数据库层 ：
    • 配置数据库连接信息，支持执行生成的SQL查询。
    • 示例配置如下：
yaml 复制代码 
 spring:
   datasource:
     url: jdbc:mysql://IP:3306/DB?useSSL=false&serverTimezone=UTC
     username: test
     password: h4tewdwerwefgvfebU
     driver-class-name: com.mysql.cj.jdbc.Driver
4. 参数配置与分析

以下是关键参数的配置规则及使用方法：

  1. sql-prompt-template.st：

    • 定义了SQL生成的模板，包含问题和数据库模式的占位符。

    • 示例模板：

      复制代码 
      Given the DDL in the DDL section, write an SQL query to answer the question in the QUESTION section.
Only produce select queries. If the question would result in an insert, update,
or delete, or if the query would alter the DDL in any way, say that the operation
isn't supported. If the question can't be answered, say that the DDL doesn't support
answering that question.

Answer with the raw SQL query only; no markdown or other punctuation that isn't part of the query itself.

QUESTION
{question}

DDL
{ddl}

  2. schema.sql：

    • 定义了数据库的表结构，供大模型参考生成SQL。
    • 示例表结构：
sql 复制代码 
 create table Authors (
                         id int not null auto_increment,
                         firstName varchar(255) not null,
                         lastName varchar(255) not null,
                         primary key (id)
);

create table Publishers (
                            id int not null auto_increment,
                            name varchar(255) not null,
                            primary key (id)
);

create table Books (
                       id int not null auto_increment,
                       isbn varchar(255) not null,
                       title varchar(255) not null,
                       author_ref int not null,
                       publisher_ref int not null,
                       description varchar(255) DEFAULT NULL,
                       primary key (id)
);
  1. data.sql ：
    • 初始化数据库中的测试数据。
    • 示例数据：
sql 复制代码 
insert into Authors (firstName, lastName) values ('Craig', 'Walls');
insert into Authors (firstName, lastName) values ('Josh', 'Long');
insert into Authors (firstName, lastName) values ('Ken', 'Kousen');
insert into Authors (firstName, lastName) values ('Venkat', 'Subramaniam');

insert into Publishers (name) values ('Manning Publications');
insert into Publishers (name) values ('OReilly Media');
insert into Publishers (name) values ('Pragmatic Bookshelf');

insert into Books (isbn, title, author_ref, publisher_ref)
values ('9781617292545', 'Spring Boot in Action', 1, 1);
insert into Books (isbn, title, author_ref, publisher_ref)
values ('9781617297571', 'Spring in Action', 1, 1);
insert into Books (isbn, title, author_ref, publisher_ref)
values ('9781680507256', 'Build Talking Apps for Alexa', 1, 3);
insert into Books (isbn, title, author_ref, publisher_ref)
values ('9781934356401', 'Modular Java', 1, 3);

insert into Books (isbn, title, author_ref, publisher_ref)
values ('9781449374648', 'Cloud Native Java', 2, 2);

insert into Books (isbn, title, author_ref, publisher_ref)
values ('9781680508222', 'Help Your Boss Help You', 3, 3);
insert into Books (isbn, title, author_ref, publisher_ref)
values ('9781492046677', 'Kotlin Cookbook', 3, 2);

insert into Books (isbn, title, author_ref, publisher_ref)
values ('9781680509816', 'Cruising Along with Java', 4, 3);
insert into Books (isbn, title, author_ref, publisher_ref)
values ('9781680506358', 'Programming Kotlin', 4, 3);
5. 测试验证

为了验证系统的正确性，可以设计以下测试用例：

  1. 测试用例1：

    • 输入问题："Find all books written by Craig Walls."
    • 预期SQL：SELECT * FROM Books WHERE author_ref = (SELECT id FROM Authors WHERE firstName = 'Craig' AND lastName = 'Walls');
    • 预期结果：返回所有由Craig Walls撰写的书籍。

  2. 测试用例2：

    • 输入问题："Insert a new author into the Authors table."
    • 预期响应："Operation not supported."

  3. 测试用例3：

    • 输入问题："What is the total number of books published by each publisher?"
    • 预期SQL：SELECT p.name, COUNT(*) AS book_count FROM Books b JOIN Publishers p ON b.publisher_ref = p.id GROUP BY p.name;
    • 预期结果：返回每个出版社出版的书籍总数。
相关推荐
视觉语言导航8 分钟前
哈工深无人机目标导航新基准！UAV-ON：开放世界空中智能体目标导向导航基准测试
人工智能·深度学习·无人机·具身智能
yzx9910139 分钟前
AI心理助手开发文档
人工智能·深度学习·机器学习
图灵学术计算机论文辅导25 分钟前
论文推荐|迁移学习+多模态特征融合
论文阅读·人工智能·深度学习·计算机网络·算法·计算机视觉·目标跟踪
一百天成为python专家34 分钟前
Python循环语句 从入门到精通
开发语言·人工智能·python·opencv·支持向量机·计算机视觉
轻松Ai享生活1 小时前
GitHub Repo 骨架：Makefile + CUDA 入门程序
人工智能
柳贯一(逆流河版)1 小时前
Spring 三级缓存：破解循环依赖的底层密码
java·spring·缓存·bean的循环依赖
用户5191495848451 小时前
对抗性工程实践：利用AI自动化构建GitHub仓库的虚假提交历史
人工智能·aigc
riveting2 小时前
重塑工业设备制造格局：明远智睿 T113-i 的破局之道
人工智能·物联网·制造·t113·明远智睿
zzywxc7872 小时前
详细探讨AI在金融、医疗、教育和制造业四大领域的具体落地案例，并通过代码、流程图、Prompt示例和图表等方式展示这些应用的实际效果。
开发语言·javascript·人工智能·深度学习·金融·prompt·流程图
算家计算2 小时前
32K上下文开源语音理解、40分钟深度交互——Voxtral-Small-24B-2507本地部署教程
人工智能·开源·aigc
热门推荐
01UV安装并设置国内源02Qwen3-Coder 快速上手教程 | Qwen Code + Claude Code03【2025.08.06最新版】Android Studio下载、安装及配置记录（自动下载sdk）04KGG转MP3工具|非KGM文件|解密音频052025最新国内服务器可用docker源仓库地址大全（2025年8月更新）06蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接07TRAE 规则（Rules）配置指南：个人习惯、团队规范与最佳实践08阿里开源首个图像生成基础模型——Qwen-Image本地部署教程，超强中文渲染能力刷新SOTA！09NVIDIA显卡驱动、CUDA、cuDNN 和 TensorRT 版本匹配指南10TRAE Rules 实践：为项目配置 6A 工作流