(LangChain实战12)：LangChain中的新型Chain之create_sql_query_chain

LangChain中的新型Chain之create_sql_query_chain

在数据库操作中，SQL查询是核心技能，但对于非技术人员来说，SQL语法往往是个门槛。今天我们来探索LangChain中的一个强大工具------create_sql_query_chain，它能将自然语言转换为SQL查询语句，让不懂SQL的人也能轻松操作数据库。

一、环境准备与导入

首先看代码的导入部分：

python 复制代码

import os
from dotenv import load_dotenv
from langchain_classic.chains.sql_database.query import create_sql_query_chain
from langchain_community.utilities import SQLDatabase
from langchain_openai import ChatOpenAI

os：Python标准库，用于读取环境变量
dotenv：管理.env文件中的环境变量
create_sql_query_chain：我们今天要讲的核心功能，创建SQL查询链
SQLDatabase：LangChain的数据库工具类
ChatOpenAI：OpenAI兼容的聊天模型接口

二、环境配置

python 复制代码

# 加载env环境变量
load_dotenv()

这行代码从.env文件加载环境变量，通常包含：

python 复制代码

OPENAI_BASE_URL=https://api.deepseek.com
OPENAI_API_KEY=your_api_key_here

三、初始化大语言模型

python 复制代码

# 构建模型
llm = ChatOpenAI(
    model="deepseek-chat",
    base_url=os.getenv('OPENAI_BASE_URL'),
    api_key=os.getenv('OPENAI_API_KEY'),
)

这里创建了一个ChatOpenAI实例，但重点在于：

model="deepseek-chat"：使用的是DeepSeek模型
base_url：指定了DeepSeek的API地址
这样配置可以让LangChain的OpenAI接口兼容其他OpenAI API兼容的服务

四、数据库连接配置

python 复制代码

# 构造mysql数据源
db = SQLDatabase.from_uri(f"mysql+pymysql://root:123456@192.168.1.10:3306/test_db")

数据库连接字符串的格式为：

复制代码

数据库类型+驱动://用户名:密码@主机地址:端口/数据库名

五、创建SQL查询链

python 复制代码

# 创建create_sql_query_chain实例
chain = create_sql_query_chain(llm, db)

这是最核心的一步！create_sql_query_chain函数：

接收两个参数：大语言模型实例和数据库连接
内部工作原理：
- 自动获取数据库的元数据（表结构、字段信息）
- 将数据库结构信息嵌入到提示词中
- 训练模型理解如何将自然语言转换为SQL

六、执行查询

基础查询方式：

python 复制代码

# 执行结果
response = chain.invoke({"question": "数据表sys_user有多少用户"})

invoke方法接受一个字典，其中question键包含用户的自然语言问题。

指定表查询方式：

python 复制代码

# 可以指定使用的多张表
response = chain.invoke({
    "question": "数据表sys_user有多少用户",
    "table_names_to_use": ["sys_user"]
})

table_names_to_use参数的作用：

限制模型只考虑指定的表
提高查询准确性
避免模型选择不相关的表

七、结果输出与分析

python 复制代码

import os
from dotenv import load_dotenv
from langchain_classic.chains.sql_database.query import create_sql_query_chain
from langchain_community.utilities import SQLDatabase
from langchain_openai import ChatOpenAI

# 加载env环境变量
load_dotenv()

# 构建模型
llm = ChatOpenAI(
    model="deepseek-chat",
    base_url=os.getenv('OPENAI_BASE_URL'),
    api_key=os.getenv('OPENAI_API_KEY'),
)

# 构造mysql数据源
db = SQLDatabase.from_uri(f"mysql+pymysql://root:123456@192.168.1.12:3306/test_db")

# 创建create_sql_query_chain实例
chain = create_sql_query_chain(llm, db)

# 执行结果
response = chain.invoke({"question": "数据表sys_user有多少用户"})

# 可以指定使用的多张表
# response = chain.invoke({"question": "数据表sys_user有多少用户",
#                         "table_names_to_use":["sys_user"]})

# 结果:# SQLQuery: SELECT COUNT(*) AS `user_count` FROM `sys_user`
print(response)

运行后会得到类似这样的输出：

复制代码

SELECT COUNT(*) AS user_count FROM sys_user