Vanna - 与你的 SQL 数据库聊天

2025/9/26 17:14:53 来源：https://blog.csdn.net/puterkey/article/details/143848973 浏览: 次关键词：Vanna - 与你的 SQL 数据库聊天

更多AI开源软件：

AI开源 - 小众AIhttps://www.aiinn.cn/sources

与你的 SQL 数据库聊天。该项目使用 LLM+RAG+数据库技术，让用户能够通过自然语言查询 SQL 数据库，用生成的 SQL 回答你的问题。

Vanna 通过两个简单的步骤工作 - 在您的数据上训练 RAG“模型”，然后提出问题，这些问题将返回 SQL 查询，这些查询可以设置为在您的数据库上自动运行。

主要功能

Supported LLMs

OpenAI
Anthropic
Gemini
HuggingFace
AWS Bedrock
Ollama
Qianwen
Qianfan
Zhipu

Supported VectorStores

AzureSearch
Opensearch
PgVector
PineCone
ChromaDB
FAISS
Marqo
Milvus
Qdrant
Weaviate

Supported Databases

PostgreSQL
MySQL
PrestoDB
Apache Hive
ClickHouse
Snowflake
Oracle
Microsoft SQL Server
BigQuery
SQLite
DuckDB

安装使用

安装

有关所需数据库、LLM 等的详细信息，请参阅文档。

pip install vanna

有许多可选软件包可以安装，因此请参阅文档了解更多详细信息。

调用

如果要自定义 LLM 或向量数据库，请参阅文档。

# The import statement will vary depending on your LLM and vector database. This is an example for OpenAI + ChromaDBfrom vanna.openai.openai_chat import OpenAI_Chat
from vanna.chromadb.chromadb_vector import ChromaDB_VectorStoreclass MyVanna(ChromaDB_VectorStore, OpenAI_Chat):def __init__(self, config=None):ChromaDB_VectorStore.__init__(self, config=config)OpenAI_Chat.__init__(self, config=config)vn = MyVanna(config={'api_key': 'sk-...', 'model': 'gpt-4-...'})# See the documentation for other options

训练

根据您的使用案例，您可能需要也可能不需要运行这些命令。有关更多详细信息，请参阅文档。vn.train

显示这些语句是为了让您了解其工作原理。

使用 DDL 语句进行训练

DDL 语句包含有关数据库中的表名、列、数据类型和关系的信息。

vn.train(ddl="""CREATE TABLE IF NOT EXISTS my-table (id INT PRIMARY KEY,name VARCHAR(100),age INT)
""")

使用文档进行训练

有时，您可能希望添加有关您的业务术语或定义的文档。

vn.train(documentation="Our business defines XYZ as ...")

使用 SQL 进行训练

您还可以将 SQL 查询添加到训练数据中。如果您已经有一些查询，这将非常有用。您只需从编辑器中复制并粘贴这些内容即可开始生成新的 SQL。

vn.train(sql="SELECT name, age FROM my-table WHERE name = 'John Doe'")

提问

vn.ask("What are the top 10 customers by sales?")

您将获得 SQL

SELECT c.c_name as customer_name,sum(l.l_extendedprice * (1 - l.l_discount)) as total_sales
FROM   snowflake_sample_data.tpch_sf1.lineitem l join snowflake_sample_data.tpch_sf1.orders oON l.l_orderkey = o.o_orderkey join snowflake_sample_data.tpch_sf1.customer cON o.o_custkey = c.c_custkey
GROUP BY customer_name
ORDER BY total_sales desc limit 10;