本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。
背景
当前企业坐拥海量数据，却因数据分析依赖 SQL 技术，仅少数专业人员能挖掘数据价值，陷入 "数据多、洞察少" 的困境。而 AI 智能体技术兴起，催生了自然语言转 SQL 数据分析智能体 ------ 它能将业务人员的自然语言需求转化为 SQL 查询，打破技术门槛，结合大模型的语境理解能力提升分析效率，助力企业低成本释放数据价值，支撑决策与创新。
SQL（结构化查询语言）是与数据库交互的主流工具，但非技术人员使用存在语法和表结构理解的门槛；而 NL2SQL 模型能将自然语言需求（如 "查 2023Q3 北京销售额"）自动转为可执行 SQL，可降低查询门槛、提升效率、减少成本与错误，让更多人用数据决策，释放数据价值。
本篇介绍一下使用阿里千问、Deepseek等大模型实现一个自然语言数据分析智能体。
Qwen-Text2SQL模型
Qwen-text-to-sql 是由阿里巴巴开发并开源的文本到 SQL 转换模型，属于 Qwen通义千问大模型系列的衍生模型。该模型基于 Qwen 基础架构针对 SQL 生成任务进行了专项优化，开源后可通过 Hugging Face Hub 等平台获取，供开发者使用和二次开发。其核心功能围绕 "精准理解自然语言查询并生成可执行 SQL 语句" 展开，具体包括：
- 复杂自然语言解析：能理解包含多条件、模糊描述、业务术语的查询需求，例如 "找出 2023 年每个季度销售额超过 50 万且利润率高于 15% 的华东地区产品，按销售额从高到低排序"。
- 全面 SQL 语法支持：覆盖主流数据库（MySQL、PostgreSQL 等）的核心语法，包括单表查询、多表关联（JOIN 操作）、子查询、聚合函数（SUM/AVG/COUNT 等）、分组（GROUP BY）、筛选（HAVING）、排序（ORDER BY）等，可生成符合语法规范的复杂 SQL 语句。目前除了主流Mysql关系数据库，对开源大数据引擎Hive、Spark、Starrocks等支持也不错。
- 表结构感知与适配：当输入中提供数据表结构信息（如字段名、类型、表间关系）时，模型能结合元数据优化生成结果，避免字段名错误、表关联逻辑混乱等问题，例如已知 "orders 表含 order_id、user_id、amount 字段，users 表含 user_id、region 字段"，可正确生成 "查询各地区总订单金额" 的关联查询 SQL。这里可通过检索Rag知识库、或元数据API完善补充提供精确提示词去生成较为准确SQL。
- 歧义处理与容错：对存在歧义的自然语言查询（如未明确时间范围、字段名称模糊），会通过合理推断生成最可能的 SQL（如默认取最近 30 天数据），或在必要时隐含补全逻辑（如自动添加合理的过滤条件）。在构建自然语言转SQL智能体工程中，可增加语义层验证环节，依据验证的结果通过与否，循环优化提示词再次执行SQL生成。
- 多场景适配：可应用于电商（订单分析）、金融（交易统计）、政务（数据汇总）等多领域，无需针对特定场景额外训练，仅通过提示词即可快速适配不同业务的数据库查询需求。SQL语法都较为通用，不同业务场景，可通过提示词上下文或RAG知识库等信息为生成SQL补充相关业务知识或场景辅助LLM更好贴合业务等。
自然语言翻译SQL智能体方案
本篇使用langchain框架构建数据分析智能体AIAgent，使用ollama本地部署DeepSeek-R1作为智能体大脑，依据用户指令及优化提示词去执行各种动作。为了完善相关提示词，本篇使用Rag知识库，向量数据库chroma，至于Rag知识库搭建笔者有往期文章分享这里不再赘述.
本篇数据分析智能体主要功能：用户输入自然语言，如查询"上海地区9月份参与国补购买华为手机销售额，智能体根据用户输入提示词（用非精确的描述用哪个数据库、什么表以及实际字段是什么）通过检索Rag知识库（库表字段信息需要提前准备好喂给Rag知识库）查询到精确的表和字段信息，再提交Qwen-text-to-SQ1模型去生成准确SQL语句，针对生成SQL提前做语义层校验，依据校验的结果正确与否，决定是否再优化提示词获取正确SQL语句直到生成正确为止（也可设置次数值，超过阈值人工干预或提醒优化智能体等），语义层校验通过后提交为执行引擎数据库返回正确的数据集。
具体流程：
- 用户提交查询
- 用户语言精准匹配：用户语言+提示词+rag查询精准匹配或API查询匹配,针对不同的SQL语言 增加不同的函数使用，功能解释，参数介绍；特殊语法的用法
- 用户数据分析提示词
- 使用大模型 + 提示词约束，从用户提示词中提取中使用的库表描述
- 从库表描述再去rag当中查真实表和字段名称
- 依据rag当中检索到真实的库表字段，再去完善用户数据分析提示词内容
- 依据完善的用户数据分析提示词内容提交给qwen大模型生成SQL
3.上述替换后的提示词再作为查询给到Qwen-SQL
4.生成之后的sQL进行语法、语义层检查，根据结果判断是否要再次生成
5.提交执行
除了第1步，其他几步这些部分都放在智能体内部，有提示词引导、控制等来完成，整体方案如图：
数据分析智能体代码实现
这里使用了ollama搭建deepseek-r1环境，作为rag、ai agent大脑；使用transformers运行阿里千文-自然语言翻译SQL大模型Qwen-text-to-sql；使用langchain框架搭建的AI Agent。这些环境的搭建方法可参考笔者之前文章，这里都不再赘述。
这里重点介绍四部分内容：
1）LLM数据库表选择及Rag知识库准备
2）Qwen-text-to-sql环境准备
3）AI Agent数据分析智能体环境准备
4）智能体运行过程解析
- LLM数据库表选择及Rag知识库准备
这里不再介绍环境搭建，参考以上文章，Rag知识准备重点介绍LLM数据库表选择、知识库内容准备、Rag提示词准备等
- LLM数据库表选择：
对用户需求使用LLM大模型进行真实数据集选择（目前只举例子，如果表的数量巨大，可以进行多级问题分类或其他方案解决）
- 知识库内容准备：
这里进行Rag知识库文档梳理，关于实际数据库、表、字段以及字段，相关使用说明信息，例：
- 知识库提示词准备：
提示词设置，首先给一个角色，然后指令查询rag知识库要求，同时限制"输出要求：只写结果，不写思考过程" 因为rag查询的数据库、表和字段信息
- Qwen-text-to-sql环境准备
本部分使用了transformers运行阿里千文-自然语言翻译SQL大模型
Qwen-text-to-sql，首先下载一个大模型具体内容参考上述文章这里不再赘述。以下是实现代码：
- AI Agent数据分析智能体环境准备与实现
此部分部署deepseek-r1作为AI Agent大脑；实现了AI Agent的工具集；实现智能体的提示词模版（介绍工具名称、工具集、输入、流程指南等内容）
AI Agent大脑：deepseek-r1使用ollma部署
工具集：首先，用于根据用户需求判断使用哪些表；其次，根据使用的表，去rag知识库检索真实表和字段信息，最后，根据用户需求 + 检索到真实库表、字段信息去生成sql。
提示词模版：介绍了input_variables占位符变量，工具名称，工具集、执行流程指南等
- 智能体运行过程解析：
首先，对用户需求"2023年销售额超过10000的产品ID和名称，按销售额降序排列"使用LLM大模型进行真实数据集选择（目前只举例子，如果表的数量巨大，可以进行多级问题分类或其他方案解决）
"找出2023年销售额超过10000的产品ID和名称，按销售额降序排列"大模型思考过程，最终思考结果，成功挑选出sales销售额表和products产品表两张
其次，依据上述选择出的sales和products两张表，提交给rag知识库检索出sales、proucts表信息和字段信息。
Ai agent接受到用户指令的思考过程：首先把用户需求进行拆解成为5部分；其次llm因为没有拿到真实数据库、表和字段信息先假设表构建一段sql，llm考虑准确问题，它又去rag里检索相关真实数据库、表和字段信息。如图：
再次，由用户需求"找出2023年销售额超过10000的产品ID和名称，按销售额降序排列" + rag检索出来的真实库表sales、products表以及字段product_id、sale_amt以及关联信息，形成需求带完整的、真实的库表字段信息的完整提示词信息，提交给Qwen_text_to_sql大模型去生成sql。
最后，对Qwen生成sql的进行语法、语义层校验，针对语法语义不通过的SQL进行，根据error信息，再次调整提示词重新生成sql。
以上是AI Agent数据分析智能体环境准备与实现全过程，当然这些实现过程还有很多可以再次优化点或方案，后续再优化讲解。
写在最后
自然语言转SQL的数据分析智能体的在于以智能化、低门槛的方式让非技术人员也能高效挖掘数据价值，同时为专业人员简化复杂流程，最终加速数据驱动决策在各业务场景的落地。除了自然语言转SQL去执行，做数据分析，后续可升级也能自然语言可视化报表实现。
"长风破浪会有时，直挂云帆济沧海"，与君共勉！！！
学习资源推荐
如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。
本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。