用 LLM 自动生成 SQL：从 SQLite Schema 到自然语言查询的完整实践

一、为什么要做"自然语言转 SQL"？

在数据分析、低代码平台、BI 工具等场景中，非技术人员常因不会写 SQL 而无法自助查询数据。而借助 LLM（如 DeepSeek、GPT），我们可以：

• 降低使用门槛：用户只需用自然语言提问（如"开发部员工工资多少？"）
• 提升开发效率：自动生成准确 SQL，减少人工编写与调试成本
• 快速验证想法：原型阶段无需构建复杂 UI，一句话即可查数据

✅ 本文以 SQLite + DeepSeek API 为例，展示一个最小可行方案（MVP）。

---

二、技术栈与准备

组件	说明
数据库	SQLite（Python 内置，无需安装服务）
LLM 服务	DeepSeek（兼容 OpenAI API，国内可访问）
编程语言	Python 3.7+
依赖库	sqlite3（内置）、openai（用于调用 DeepSeek）

安装依赖：

bash
编辑
pip install openai

---

三、完整实现步骤

步骤 1：创建 SQLite 表并插入示例数据

python
编辑
import sqlite3

# 连接数据库（若不存在则自动创建）
conn = sqlite3.connect("text5.db")
cursor = conn.cursor()

# 创建 employees 表
cursor.execute("""
CREATE TABLE IF NOT EXISTS employees (
    id INTEGER PRIMARY KEY,      -- 注意：原文 PRINARY 是拼写错误，应为 PRIMARY
    name TEXT,
    department TEXT,
    salary INTEGER
)
""")

# 插入测试数据
sample_data = [
    (6, "陈老板", "开发部", 100000),
    (7, "张三", "销售部", 20000),
    (8, "李四", "开发部", 50000),
    (9, "王五", "销售部", 22000),
]
cursor.executemany('INSERT INTO employees VALUES (?, ?, ?, ?)', sample_data)
conn.commit()

⚠️ 注意 ：原文中 PRINARY KEY 是拼写错误，正确应为 PRIMARY KEY，否则会创建成普通列！

---

步骤 2：提取表结构（Schema）

为了让 LLM 理解表结构，需提供清晰的 Schema 描述：

python
编辑
# 获取表字段信息
schema = cursor.execute("PRAGMA table_info(employees)").fetchall()
# 构造 CREATE TABLE 风格的字符串
schema_str = "CREATE TABLE EMPLOYEES (\n" + "\n".join([f"    {col[1]} {col[2]}" for col in schema]) + "\n)"
print("数据库 Schema:")
print(schema_str)

输出示例：

sql
编辑
CREATE TABLE EMPLOYEES (
    id INTEGER
    name TEXT
    department TEXT
    salary INTEGER
)

💡 虽然缺少约束（如 PRIMARY KEY），但对简单查询已足够。更严谨的做法可解析 DDL 或补充注释。

---

步骤 3：调用 LLM 生成 SQL

使用 DeepSeek 的 Reasoner 模型（擅长推理任务）：

python
编辑
from openai import OpenAI

client = OpenAI(
    api_key='sk-xxxx',  # 替换为你的 DeepSeek API Key
    base_url='https://api.deepseek.com/v1'
)

def ask_deepseek(query: str, schema: str) -> str:
    prompt = f"""
这是一个数据库的Schema:
{schema}
根据这个Schema,你能输出一个SQL查询来回答以下问题吗？
只输出SQL查询,不要输出任何其他内容。也不要带任何格式。
问题：{query}
"""
    response = client.chat.completions.create(
        model="deepseek-reasoner",
        max_tokens=2048,
        messages=[{"role": "user", "content": prompt}]
    )
    return response.choices[0].message.content.strip()

# 测试提问
question = "开发部部门员工的姓名和工资是多少？"
sql = ask_deepseek(question, schema_str)
print("生成的 SQL 查询：")
print(sql)

预期输出：

sql
编辑
SELECT name, salary FROM employees WHERE department = '开发部';

---

步骤 4：执行 SQL 并返回结果（可选）

python
编辑
result = cursor.execute(sql).fetchall()
print("查询结果：", result)
# 输出：[('陈老板', 100000), ('李四', 50000)]

---

四、关键技巧与注意事项

1. Prompt 设计要点

• 明确指令："只输出 SQL，不要解释"
• 提供精确 Schema：字段名、类型必须一致
• 示例引导（Few-shot） ：复杂场景可加 1~2 个例子提升准确率

2. 常见问题与解决方案

问题	原因	解决方案
生成无效 SQL	Schema 不清晰或字段名不匹配	使用 PRAGMA table_info 精确获取字段
返回多余文本	LLM 未严格遵循指令	在 Prompt 中强调"仅输出 SQL"
表名大小写错误	SQLite 默认小写	Schema 中统一用小写表名
拼写错误（如 PRINARY）	手动建表失误	建表时仔细检查语法

3. 安全警告 ⚠️

• 切勿直接执行 LLM 生成的 SQL！
  应进行白名单校验 （如只允许 SELECT）、参数化查询，防止注入攻击。
• 生产环境建议增加 SQL 解析器（如 sqlglot）做语法校验。

---

五、方案对比：不同实现方式优劣

方案	优点	缺点	适用场景
LLM 直接生成 SQL	快速、灵活、支持自然语言	可能出错、需校验	原型验证、内部工具
模板匹配 + 规则引擎	稳定、可控	扩展性差、需维护规则	固定查询模式
专用 NL2SQL 模型（如 SQLCoder）	准确率高	需部署模型、资源消耗大	企业级产品

✅ 对于个人项目或 MVP，LLM + Prompt 工程 是性价比最高的选择。

---

六、总结要点

• ✅ SQLite 轻量易用，适合本地数据存储与测试
• ✅ 通过 PRAGMA table_info 可程序化获取表结构
• ✅ LLM（如 DeepSeek）能有效将自然语言转为 SQL
• ✅ Prompt 要清晰、约束要明确
• ❌ 永远不要信任 LLM 输出，必须校验 SQL 安全性

---

七、拓展思考

1. 如何支持多表 JOIN 查询？
   → 在 Schema 中提供多个表的 DDL，并在问题中明确关联字段。
2. 能否缓存常见问题的 SQL？
   → 可建立"问题- SQL"映射缓存，提升响应速度与稳定性。
3. 如何评估生成 SQL 的准确率？
   → 构建测试集，用执行结果 vs 人工标注结果做比对。
4. 前端集成？
   → 用 Flask/FastAPI 封装为 REST API，前端输入问题 → 返回表格数据。