DeepSeek V4 实战：自然语言生成 SQL + 智能优化引擎

引言

DS V4实战篇：

DeepSeek V4 + Spring Boot 3 + JDK 21 ：万字实战教你打造AI智能编码助手

DeepSeek V4 实战：打造一个智能 Java 项目源码分析助手

在上一篇文章中，我们利用 DeepSeek V4 的百万上下文能力构建了项目源码分析助手。本文将实验另一个高频场景：自然语言转 SQL。

业务人员写复杂 SQL 困难，开发人员手写的 SQL 可能索引缺失、全表扫描、性能低下。如果有一个工具，你只需要输入中文需求："查询近 30 天每个品类的销售额排行，排除退货订单"，它就能自动生成 SQL，并基于数据库真实执行计划给出优化建议和索引 DDL，这样是不是就很爽了！

本文将从零到一打造这样一个 SQL 智能生成与优化引擎，技术栈依然是前两章用到的 Java 21 + Spring Boot 3 ，核心 AI 能力由 DeepSeek V4 提供。前端提供一个简洁的 H5 页面，你输入需求，选择数据库方言，一键生成 SQL 并自动分析执行计划。

一、项目功能与架构

1.1 核心功能

模块	功能描述
自然语言 → SQL	输入中文需求，DeepSeek V4 生成对应方言的 SQL
SQL 执行与 EXPLAIN	通过 JDBC 执行 SQL 并获取执行计划
性能分析	将 EXPLAIN 结果送回 V4，识别索引缺失、全表扫描等问题
优化建议	输出优化后的 SQL + 索引创建 DDL
数据库元数据感知	读取表结构、现有索引，辅助 V4 生成更精准的建议

1.2 技术栈

组件	版本	用途
JDK	21	虚拟线程、文本块
Spring Boot	3.5.14	Web 框架
DeepSeek V4	deepseek-v4-pro/flash	SQL 生成与优化
MySQL	8.0+	测试数据库

1.3 项目结构

deepseek-sql-optimizer/
├── pom.xml
├── src/main/java/io/github/iweidujiang/dsv4/sqloptimizer/
│   ├── SqlOptimizerApplication.java
│   ├── config/
│   │   ├── DeepSeekConfig.java
│   ├── controller/
│   │   └── SqlController.java
│   ├── service/
│   │   ├── SqlGenerateService.java
│   │   └── DatabaseMetadataService.java
│   ├── dto/
│   │   ├── SqlRequest.java
│   │   └── SqlResponse.java
│   └── util/
│       └── JdbcExecutor.java
├── src/main/resources/
│   ├── application.yml
│   ├── static/
│   │   └── index.html
│   └── db/
│       └── schema.sql

二、数据库准备

为了演示，我们来创建一个电商风格的数据库：品类表 和 订单表。

2.1 表结构 SQL（MySQL）

-- 创建数据库
CREATE DATABASE IF NOT EXISTS `demo-sql` DEFAULT CHARACTER SET utf8mb4;

USE `demo-sql`;

-- 品类表
CREATE TABLE `category` (
  `id` INT NOT NULL AUTO_INCREMENT,
  `name` VARCHAR(50) NOT NULL COMMENT '品类名称',
  `parent_id` INT DEFAULT 0 COMMENT '父品类ID',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

-- 订单表
CREATE TABLE `orders` (
  `id` BIGINT NOT NULL AUTO_INCREMENT,
  `order_no` VARCHAR(32) NOT NULL COMMENT '订单号',
  `category_id` INT NOT NULL COMMENT '品类ID',
  `amount` DECIMAL(10,2) NOT NULL COMMENT '订单金额',
  `status` TINYINT NOT NULL DEFAULT 0 COMMENT '0-正常 1-退货',
  `create_time` DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP,
  PRIMARY KEY (`id`),
  KEY `idx_category` (`category_id`),
  KEY `idx_create_time` (`create_time`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

2.2 初始化数据

-- 品类数据
INSERT INTO `category` (`name`) VALUES ('电子产品'), ('服装'), ('家电'), ('图书');

-- 订单数据（过去30天随机生成，这里给一些示例）
INSERT INTO `orders` (`order_no`, `category_id`, `amount`, `status`, `create_time`) VALUES
('O001', 1, 299.00, 0, DATE_SUB(NOW(), INTERVAL 5 DAY)),
('O002', 1, 459.00, 0, DATE_SUB(NOW(), INTERVAL 12 DAY)),
('O003', 2, 129.00, 1, DATE_SUB(NOW(), INTERVAL 3 DAY)), -- 退货
('O004', 2, 399.00, 0, DATE_SUB(NOW(), INTERVAL 20 DAY)),
('O005', 3, 1999.00, 0, DATE_SUB(NOW(), INTERVAL 8 DAY)),
('O006', 3, 799.00, 0, DATE_SUB(NOW(), INTERVAL 15 DAY)),
('O007', 4, 55.00, 0, DATE_SUB(NOW(), INTERVAL 2 DAY)),
('O008', 4, 89.00, 0, DATE_SUB(NOW(), INTERVAL 25 DAY)),
('O009', 1, 1299.00, 0, DATE_SUB(NOW(), INTERVAL 1 DAY)),
('O010', 2, 259.00, 0, DATE_SUB(NOW(), INTERVAL 18 DAY));

数据量较小，足够演示。实际使用时可以自行扩充。

三、核心技术实现

3.1 让 DeepSeek 理解你的数据库

模型本身不知道你的业务库长什么样，所以我们需要在提示词中动态注入数据库元数据。元数据包括：所有表名、每张表的列名和类型、已有的索引信息。

核心服务 DatabaseMetadataService 利用 JDBC 的 SHOW TABLES、SHOW COLUMNS、SHOW INDEX 将这些信息拼接成文本。

/**
 * 获取数据库中所有表名、列信息、现有索引，用于增强提示词
 */
public String getSchemaContext() {
    StringBuilder sb = new StringBuilder();
    try {
        // 获取所有表
        List<String> tables = jdbcTemplate.queryForList(
                "SHOW TABLES", String.class);
        for (String table : tables) {
            sb.append("表 ").append(table).append(":\n");
            // 列信息
            List<Map<String, Object>> columns = jdbcTemplate.queryForList(
                    "SHOW COLUMNS FROM " + table);
            for (Map<String, Object> col : columns) {
                sb.append("  列: ").append(col.get("Field")).append(" 类型: ").append(col.get("Type"))
                        .append(" 是否可空: ").append(col.get("Null")).append("\n");
            }
            // 现有索引
            List<Map<String, Object>> indexes = jdbcTemplate.queryForList(
                    "SHOW INDEX FROM " + table);
            if (!indexes.isEmpty()) {
                sb.append("  已有索引: ");
                String idxStr = indexes.stream()
                        .map(idx -> idx.get("Key_name").toString())
                        .distinct()
                        .collect(Collectors.joining(", "));
                sb.append(idxStr).append("\n");
            }
        }
    } catch (Exception e) {
        log.warn("获取元数据失败", e);
        return "无法获取数据库结构";
    }
    return sb.toString();
}

这样发送给 V4 的提示词就变成了：

数据库结构如下：
表 category:
  列: id 类型: int 是否可空: NO
  列: name 类型: varchar(50) ...
  已有索引: PRIMARY
表 orders:
  列: id ... 列: category_id ... 列: amount ...
  已有索引: PRIMARY, idx_category, idx_create_time

用户需求：查询近30天每个品类的销售额排行，排除退货订单
数据库方言：mysql
请生成 SQL。

这种 "结构即上下文" 的方式，让 V4 生成的 SQL 能够准确匹配真实列名，而且能感知到现有索引，从而避免生成无法利用索引的 SQL。

3.2 生成 SQL：调用 V4 Pro 模型

提示词设计是重中之重。代码中设置对模型有两点硬性要求：

1. 只输出 JSON，不要附带任何解释；
2. 必须严格遵循指定的方言。

使用的 System Prompt 如下：

private static final String GENERATE_SQL_SYSTEM = """
            你是一个资深 SQL 专家。根据用户的中文需求，生成符合指定方言的 SQL 查询语句。
            输出格式必须是 JSON：{"sql": "生成的SQL语句"}
            只输出 JSON，不要包含其他说明。
            """;

用户提示则包含了前面拼接的元数据、用户需求和方言。调用 V4 Pro 后，解析 JSON 得到 SQL。

由于代码中使用了 Spring AI 的 ChatClient，只需几行就能完成调用。

具体实现见 https://github.com/iweidujiang/deepseek-v4-playground 的SqlGenerateService.java。

3.3 执行 EXPLAIN：获取真实执行计划

生成的 SQL 是否正确？性能如何？不能只靠模型猜测。

可通过 JdbcExecutor 直接执行 EXPLAIN + 生成的 SQL，将数据库的真实执行计划捕获下来。

例如 MySQL 返回的一行可能是：

{id=1, select_type=SIMPLE, table=orders, type=ALL, possible_keys=idx_category, key=null, rows=10000, Extra=Using where}

type=ALL 意味着全表扫描，key=null 表示没有使用索引------这些都是优化的明确信号。

3.4 优化分析：交给 V4 Flash 模型

把原始需求、生成的 SQL 以及 EXPLAIN 结果三者打包，再次请求 DeepSeek，这次使用更便宜的 Flash 模型（成本只有 Pro 的 1/12 左右）。

System Prompt 要求输出 JSON：

{
  "optimizedSql": "优化后的SQL语句",
  "indexDdl": "CREATE INDEX ...",
  "advice": "具体的优化建议文本"
}

V4 Flash 会根据执行计划中的 Extra 信息（如 Using filesort）和 key 为空等特征，推断出需要创建什么索引，有时还会改写成更高效的 SQL 写法（比如将 IN 改为 EXISTS）。

3.5 前端页面：一个 H5 就够了

所有功能通过一个单页的 index.html 暴露，放在 src/main/resources/static/ 下。

用户输入需求，点击按钮，后端返回三个部分：生成的 SQL、EXPLAIN 结果、优化建议和索引 DDL。页面样式简洁，启动 Spring Boot 后直接访问 http://localhost:8080 即可。

四、运行效果演示

启动项目后，访问：

输入中文需求，比如输入：查询近30天每个品类的销售额排行，选择 pro 模型，选择 MySQL，启用优化分析，点击生成 SQL：

可以看到：

• DeepSeek 理解了我们输入的中文语言并生成了 sql 语句
• 并且让它执行了 MySQL Explain 并输出了解析结果
• 通过解析结果给出了优化建议

五、总结

本文利用 DeepSeek V4 的推理能力，构建了一个 "自然语言 → SQL → 执行计划 → 优化建议" 的自动化工具。核心优势：

• 元数据驱动：让 AI "理解"你的数据库结构，减少幻觉。
• 闭环验证：基于真实 EXPLAIN，而不是理论分析。
• 成本可控：生成用 Pro 保证质量，优化用 Flash 降低成本。
• 开箱即用：H5 页面 + Spring Boot，一键启动。

DeepSeek V4 的 SQL 能力正在推动一种新的开发体验：从"写 SQL"到"描述业务"，AI 负责翻译和打磨。

---

项目源码仓库 ：https://github.com/iweidujiang/deepseek-v4-playground ，欢迎广大 coder 关注，star，感谢！