5 分钟搭建 CSV 数据问答系统：LangChain + LLM 实战教程

_ziva_2026-02-21 15:11

在日常工作中，我们经常需要从 CSV 表格中提取信息 ------ 比如 "泰坦尼克号幸存者的平均年龄是多少？""某产品各地区销量排名如何？"。传统方式需要手动写 Pandas 代码或 Excel 公式，效率低下。本文将教你用 LangChain + 大模型快速搭建 CSV 数据问答系统，让你用自然语言直接查询 CSV 数据，无需编写一行代码。

一、核心思路：为什么用 SQL 连接 CSV？

搭建 CSV 问答系统的核心是让大模型 "读懂" 表格数据，主流方案有两种：

  1. 直接让大模型调用 Pandas 操作 CSV：灵活但风险高（可能执行恶意代码），权限难控制；
  2. 将 CSV 导入 SQL 数据库，让大模型用 SQL 查询：安全可控（限制 SQL 权限），查询逻辑清晰，且大模型对 SQL 的支持更成熟。

本文采用第二种方案，整体流程如下：CSV 文件 → 导入 SQLite 数据库 → 用 LangChain 创建 SQL 智能体 → 自然语言查询 → 返回答案

二、前置准备

  1. 环境依赖：安装必要的 Python 库

bash

运行

复制代码 
pip install langchain langchain-openai pandas sqlalchemy python-dotenv
  1. CSV 数据 ：准备需要查询的 CSV 文件（本文以经典的 titanic.csv 为例，包含乘客姓名、年龄、存活状态等信息）；
  2. API Key：获取 OpenAI API Key（需在 OpenAI 官网申请），用于调用大模型。

三、实战步骤：从 CSV 到问答系统

步骤 1：将 CSV 导入 SQLite 数据库

SQLite 是轻量级文件数据库，无需额外部署，适合快速验证。我们用 Pandas 读取 CSV，再导入 SQLite：

python

运行

复制代码 
# 导入依赖库
import pandas as pd
from sqlalchemy import create_engine
from langchain_community.utilities import SQLDatabase

# 1. 读取 CSV 文件
df = pd.read_csv("titanic.csv")  # 替换为你的 CSV 文件路径
print("CSV 数据预览：")
print(df.head())

# 2. 创建 SQLite 数据库引擎（数据库文件会保存在本地，名为 titanic.db）
engine = create_engine("sqlite:///titanic.db")

# 3. 将 CSV 数据写入 SQLite 表（表名设为 titanic，与文件名一致）
df.to_sql("titanic", engine, index=False)  # index=False 表示不导入索引列

# 4. 连接 SQL 数据库，供 LangChain 使用
db = SQLDatabase(engine)

# 验证连接：查看数据库中的表和表结构
print("\n数据库中的表：", db.get_tables_list())
print("\ntitanic 表结构：")
print(db.run("DESCRIBE titanic;"))  # 或用 PRAGMA table_info(titanic);（SQLite 语法）

关键说明：

  • create_engine("sqlite:///titanic.db")：在当前目录创建 titanic.db 文件数据库，无需手动启动服务；
  • df.to_sql(...)：自动创建表并插入数据，若表已存在，可添加 if_exists="replace" 参数覆盖。

步骤 2：创建 SQL 智能体（核心步骤）

LangChain 提供了 create_sql_agent 工具，能自动让大模型：

  • 分析自然语言问题 → 转化为 SQL 查询；
  • 执行 SQL 并获取结果 → 用自然语言解释结果。

代码如下：

python

运行

复制代码 
# 导入依赖
from langchain_openai import ChatOpenAI
from langchain_community.agent_toolkits import create_sql_agent
from dotenv import load_dotenv
import os

# 加载环境变量（从 .env 文件读取 OpenAI API Key，避免硬编码）
load_dotenv()
openai_api_key = os.getenv("OPENAI_API_KEY")

# 1. 初始化大模型（选用 GPT-3.5-turbo，平衡成本和效果）
llm = ChatOpenAI(
    model="gpt-3.5-turbo",
    temperature=0,  # 温度设为 0，保证查询逻辑稳定
    api_key=openai_api_key
)

# 2. 创建 SQL 智能体
agent_executor = create_sql_agent(
    llm=llm,
    db=db,
    agent_type="openai-tools",  # 适配 OpenAI 函数调用的智能体类型
    verbose=True  # 开启详细日志，方便查看 SQL 生成过程
)

步骤 3：自然语言查询 CSV 数据

现在可以用中文或英文直接提问，智能体会自动处理查询逻辑：

python

运行

复制代码 
# 示例1：查询幸存者的平均年龄
result1 = agent_executor.invoke({"input": "幸存者的平均年龄是多少？"})
print("\n答案1：", result1["output"])

# 示例2：查询不同舱位（Pclass）的存活人数
result2 = agent_executor.invoke({"input": "一等舱、二等舱、三等舱的存活人数分别是多少？"})
print("\n答案2：", result2["output"])

# 示例3：查询女性幸存者的比例
result3 = agent_executor.invoke({"input": "女性乘客的存活率是多少？"})
print("\n答案3：", result3["output"])

执行日志示例 （开启 verbose=True 后可见）：

plaintext

复制代码 
> Entering new AgentExecutor chain...
Invoking: `sql_db_query` with `{'query': 'SELECT AVG(Age) FROM titanic WHERE Survived = 1;'}`
SQL 执行结果：[(28.343689655172415,)]
> Finished chain.
答案1：幸存者的平均年龄约为 28.34 岁。

可以看到，智能体自动完成了 "自然语言 → SQL → 结果解释" 的全流程，无需人工干预。

四、进阶优化：让系统更实用

1. 支持多 CSV 文件

如果需要查询多个 CSV，只需将每个 CSV 导入不同的 SQL 表，智能体会自动识别表名和结构：

python

运行

复制代码 
# 导入第二个 CSV 文件（示例：sales.csv）
df_sales = pd.read_csv("sales.csv")
df_sales.to_sql("sales", engine, index=False)  # 表名设为 sales

# 验证表是否存在
print("数据库中的表：", db.get_tables_list())  # 输出：['titanic', 'sales']

# 查询销售数据
result4 = agent_executor.invoke({"input": "2023年1月的总销售额是多少？"})

2. 限制 SQL 权限（安全加固）

为了防止大模型执行删除、修改数据的恶意 SQL，可通过 SQLDatabase 的参数限制权限：

python

运行

复制代码 
# 仅允许查询操作（SELECT），禁止 INSERT/UPDATE/DELETE
db = SQLDatabase(
    engine,
    include_tables=["titanic", "sales"],  # 仅开放指定表
    custom_sqlalchemy_url="sqlite:///titanic.db?mode=ro",  # 只读模式
)

3. 处理复杂查询（如多表关联）

如果 CSV 之间存在关联关系（如 orders.csv 和 customers.csv），导入 SQL 后可通过 JOIN 查询，智能体同样能自动处理：

python

运行

复制代码 
# 示例：查询每个客户的订单数
result5 = agent_executor.invoke({"input": "每个客户的订单数量分别是多少？"})

五、常见问题排查

  1. CSV 编码错误 ：读取 CSV 时若报错，添加 encoding 参数（如 pd.read_csv("titanic.csv", encoding="utf-8-sig")）；
  2. SQL 语法错误 ：不同数据库语法有差异（如 SQLite 用 LIMIT，MySQL 用 LIMIT，PostgreSQL 用 LIMIT），LangChain 会自动适配；
  3. 大模型无法识别表结构 ：确保 db.get_tables_list() 能正常输出表名，若不行，重新检查数据库连接；
  4. API Key 无效 ：确认 .env 文件中 OPENAI_API_KEY 的值正确，且有足够的余额。

六、总结

本文用不到 50 行代码，实现了 "自然语言查询 CSV 数据" 的核心功能，关键亮点：

  1. 安全可控：通过 SQL 限制操作权限，避免恶意代码执行；
  2. 零代码门槛：用户无需懂 SQL 或 Python，用自然语言即可查询；
  3. 灵活扩展：支持多 CSV、复杂查询，可适配销售数据、用户数据等多种场景。

接下来你可以尝试：

  • 替换为自己的 CSV 数据（如电商订单、运营报表）；
  • 集成到 Web 应用（用 FastAPI 封装接口）；
  • 改用开源大模型（如 Llama 3、Mistral），摆脱对 OpenAI 的依赖。

这个系统能大幅提升数据查询效率，尤其适合非技术人员快速获取 CSV 中的关键信息，赶紧动手试试吧！

相关推荐
dust_and_stars3 小时前
APT vs Snap vs Flatpak 核心对比表
运维·服务器·数据库
念越4 小时前
MySQL报错：Column count doesn‘t match value count at row 1 解决方案（超详细）
数据库·mysql
SmartBrain4 小时前
FastAPI实战（第二部分）：用户注册接口开发详解
数据库·人工智能·python·fastapi
_但为君故_4 小时前
优化Tomcat的JVM内存
java·jvm·tomcat
倔强的石头_5 小时前
一卡通核心交易平台的国产数据库实践解析：架构、迁移与高可用落地
数据库
952365 小时前
MySQL存储过程和触发器
数据库·mysql
x***r1515 小时前
phpstudy_x64_8.1.1.3安装教程（含Apache/MySQL启动与端口修改）
数据库·mysql·apache
笨蛋不要掉眼泪5 小时前
Sentinel 流控规则详解：三种模式与三种效果实战指南
java·jvm·数据库·后端·sentinel
cjl_8520086 小时前
MySQL-递归查询
数据库·windows·mysql
热门推荐
01GitHub 镜像站点02AI Agent 平台横评：ZeroClaw vs OpenClaw vs Nanobot03Claude Code + GLM4.7 避坑指南：解决 Unable to connect to Anthropic services04MIUI显示/隐藏5G开关的方法，信号弱时开启手机Wifi通话方法05从零搭建一个 PHP 登录注册系统（含完整源码）06如何解决 OpenClaw “Pairing required” 报错：两种官方解决方案详解07全面体验 Grok API 中转站（2025 · Grok 4 系列最新版）08openClaw安装飞书插件｜核心踩坑：spawn EINVAL 错误终极解决指南09配置 OpenClaw 使用 Ollama 本地模型10使用 1panel面板 部署 php网站