
Deepseek+AI思维导图&图表-7款免费好用格式转换工具
在写连接外部数据库查询的时候,我就想普通的业务人员没有编程背景,不懂数据库,可他们想查询统计一些东西怎么办?只能找对应的开发人员写sql了,那我是不是可以用工作流解决这个问题。
简单的梳理了下流程。
我先把在 xxx里写的python脚本改下,由关键词检索改成sql检索。
from flask import Flask, request, jsonify
import pymysql
app = Flask(__name__)
# 数据库配置
DATABASE_CONFIG = {
'host': '', # 自己的数据库地址
'user': '', # 自己数据库的账户
'password': '', #自己数据库的密码
'db': 'demo', # 自己数据库的库名
'charset': 'utf8mb4',
'cursorclass': pymysql.cursors.DictCursor
}
@app.route('/query', methods=['POST'])
def query_database():
print("接收到请求")
# 获取查询sql
querySql = request.json.get('querySql')
print("querySql为:"+querySql)
# 去除 Markdown 标识和不必要的字符
if querySql:
# 去除开头的 ````sql`
querySql = querySql.replace('```sql\n', '')
# 去除结尾的 ``<EOF>``
querySql = querySql.replace('\n<<EOF>>', '')
# 去除多余的空格和换行符
querySql = querySql.strip()
# 将换行符替换为空格(如果需要保持多行,可以省略这一步)
querySql = querySql.replace('\n', ' ')
querySql = querySql.replace('```', ' ')
# 去除多余的空格
querySql = ' '.join(querySql.split())
ifnot querySql:
return jsonify({"error": "querySql is required"}), 400
try:
# 建立数据库连接
connection = pymysql.connect(**DATABASE_CONFIG)
with connection.cursor() as cursor:
# 执行查询
cursor.execute(querySql)
result = cursor.fetchall()
connection.commit()
connection.close()
ifnot result:
return"未查询到有效数据", 400
# 生成 Markdown 表格
markdown_table = generate_markdown_table(result)
return markdown_table, 200
except Exception as e:
return str(e), 500
def generate_markdown_table(results):
""" 生成 Markdown 表格 """
ifnot results:
return""
# 获取列名
columns = results[0].keys()
# 表头
table_md = "| " + " | ".join([col for col in columns]) + " |\n"
# 分隔线
table_md += "| " + " --- |" * len(columns) + "\n"
# 表格内容
for row in results:
table_md += "| " + " | ".join([str(cell) for cell in row.values()]) + " |\n"
return table_md
if __name__ == '__main__':
app.run(host='10.1.0.65', port=8000)
执行命令python .\server2.py
,启动服务
我把库表结构从数据库里导出一份表结构,导出到相同的文件里,建立一个知识库。要求数据库表必须有完整的注释。
我们可以看到导出的表结构我们可以用DROP TABLE IF EXISTS
分割文本。
将导出的表结构,上传到知识库。
按照DROP TABLE IF EXISTS
分割文本,将2
设置为4000,预览下分段,效果还行,把最大分段长度
调大,防止同一个表结构被分到不同的段落。
我们使用混合检索,Score
的阈值不要调太大,一般0.3即可,别看图。
回到工作室,我们复制一个工作流出来。
改下名称。
添加一个知识检索节点,把开始节点的用户输入context
作为查询变量,添加刚才添加的数据库知识库。
我们把LLM节点调整下,修改下2
的名称,上线文2
改成知识检索的结果.调整下提示词让它根据知识和用户需求生成查询sql。
调整下HTTP请求中的查询字段,我改成了querySql
,根据自己的代码来。
结束节点直接把HTTP的body返回。
最后整体流程。
写sql的能力忽高忽低,得找个代码模型。
0.3
就可以了