大模型调用数据库表实践：基于自然语言的SQL生成与数据查询系统

# 大模型调用数据库表实践：基于自然语言的SQL生成与数据查询系统

## 一、背景与目标

在企业数据管理场景中，非技术人员（如业务人员、管理人员）常常需要通过数据库查询获取关键信息，但直接编写SQL语句存在技术门槛。传统的数据库交互方式依赖专业IT人员，效率较低且响应滞后。本系统通过集成大语言模型（LLM）与数据库技术，实现**自然语言到SQL语句的自动转换**，降低数据查询的技术门槛，提升企业数据利用效率。

## 二、核心技术原理与实现

### 2.1 大模型驱动的SQL生成

系统选用`deepseek-r1:7b`大语言模型作为SQL生成引擎，核心逻辑封装在`generate_sql`函数中（）。其技术要点包括：

#### （1）Prompt工程设计

通过严格的`system prompt`约束模型行为：

- 仅输出完整SQL语句（以分号结尾），禁止自然语言解释；

- 强制对齐输入的表结构（字段名、表名必须与`TABLE_SCHEMA`完全一致）；

- 支持中文表名/字段名（如示例中的"员工表""姓名"）。

用户侧通过`user prompt`传递具体需求，包含表结构描述、查询需求及示例（如："查询研发部门中工资高于15000元的员工姓名,入职日期,薪资，按入职日期降序排列"），确保生成的SQL符合业务逻辑。

#### （2）生成结果清洗

模型返回内容可能包含Markdown代码块（如```sql）或中间思考过程（如`...`），系统通过正则表达式（`re.sub`）清理冗余信息，最终输出纯净的SQL语句。具体步骤包括：

- 移除`...`标签及内容；

- 清理开头的```sql标记和结尾的```标记；

- 去除首尾换行符，确保输出为严格SQL语句。

### 2.2 数据库交互与数据管理

系统基于`SQLAlchemy`实现数据库操作，支持SQLite轻量级数据库（），核心功能包括：

#### （1）数据库初始化

- 检查`employee.db`是否存在，若不存在则自动创建`员工表`（字段包含`id`、`姓名`、`部门`、`入职日期`、`工资`）；

- 首次初始化时调用`insert_test_data`（）插入20条模拟数据（使用`Faker`生成中文姓名、部门等信息），并通过`assert`进行类型校验（如姓名必须为字符串、工资必须为浮点数）。

#### （2）数据查询执行

`query_database`函数（）接收生成的SQL语句，通过`pd.read_sql`执行查询并