智能问数Text2SQL Vanna windows场景验证

news2025/7/27 4:55:23

架构

Vanna 是一个开源 Python RAG（检索增强生成）框架，用于 SQL 生成和相关功能。

机制

Vanna 的工作过程分为两个简单步骤 - 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。

训练：根据您的数据训练 RAG“模型”，或者说根据数据结构构建向量库。用户可以使用 DDL 语句、文档或样例 SQL 查询对 Vanna 进行训练，让它掌握数据库的结构、业务术语和查询模式。Vanna 会将训练数据转化为向量嵌入，存储在向量数据库中，并建立元数据索引，以便于后续检索。

问问题：问Vanna关于数据的各种问题，如"上个月销量最大的5个商品"

检索：Vanna对问题的处理与其他RAG系统一样，检索对应的DDL 语句、文档或样例 SQL。

生成 SQL： Vanna 利用LLM（例如 GPT-4），结合上下文信息，将自然语言问题转化为精准的 SQL 查询语句。

执行 & 展示：数据库收到 Vanna 生成的 SQL 查询后，就会执行查询。Vanna 会将查询结果整理成易于理解的格式，例如表格或图表，呈现给用户。


安装

系统说明

##当前验证环境是
win 10
python 3.10
qwen3 8b、deepseek-r1:7b、qwen2.5 code:7b
vanna 0.7.9
chroma-hnswlib 0.7.6
chromadb 0.6.3
mysql 8.0.42

安装命令

conda activate vanna
pip install vanna[chromadb,ollama,mysql]

启动服务

from vanna.ollama.ollama import Ollama
from vanna.chromadb import ChromaDB_VectorStore


class MyVanna(ChromaDB_VectorStore, Ollama):
    def __init__(self, config=None):
        ChromaDB_VectorStore.__init__(self, config=config)
        Ollama.__init__(self, config=config)
        #Ollama.system_message(self, message="请不用思考，你是Mysql生成专家：1、基于用户的需求生成SQL 2、只返回可执行的SQL语句/no_think")


vn = MyVanna(config={'model': 'qwen3:8b', 'ollama_host': 'http://localhost:11434'})
vn.connect_to_mysql(host='localhost', dbname='test', user='root', password='root1234', port=3306)
vn.train(ddl="""
    CREATE TABLE `vuser` (
  `id` int NOT NULL COMMENT '用户ID',
  `username` varchar(50) COLLATE utf8mb4_unicode_ci DEFAULT NULL COMMENT '用户名',
  `email` varchar(100) COLLATE utf8mb4_unicode_ci DEFAULT NULL COMMENT '电子邮件',
  `age` int DEFAULT NULL COMMENT '年龄',
  `gender` varchar(10) COLLATE utf8mb4_unicode_ci DEFAULT NULL COMMENT '性别（男/女）',
  `city` varchar(50) COLLATE utf8mb4_unicode_ci DEFAULT NULL COMMENT '城市',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='用户信息表';
""")
from vanna.flask import VannaFlaskApp

app = VannaFlaskApp(vn, debug=False, allow_llm_to_see_data=True, title="数据库问答系统")
app.run()

使用

明细

Q：查询名字里含小的用户

汇总

Q：查询名字里含小的用户数/nothink

多轮会话

1、Q：按照性别统计3月以内加入的用户数，用柱状图展示

2、Q：只看女呢？
注：这里写女生、女性、女的估计有报错，需要train个doc。

3、Q：近半年的呢？

4、Q：加入时间最长和最短的用户的差几个月？

5、Q：按照性别统计年龄大于25的用户数

特定词汇

这里定义了特定词，年龄段： 30以下定义为稚嫩， 30-45定义为核心 45以上定义为福宝

多表

Q：查询最近三天的入库记录

Q：按照产品名称分组统计3月到5月的入库量

注：这里时间明显有误，没取到当前日期。

Q：按照产品名称统计当前时间所在的3月到5月的入库量

加入Doc训练后

Q：按照产品名称统计3月到5月的入库量/nothink

Q:查询库存数据最少和最多的商品和仓库名称。/nothink

注：返回的SQL不准确，当前模型是Qwen3:8B

deepseek-r1:7b返回的代码不能执行。

qwen2.5-coder:latest 7B

可正确返回

总结

1、Vanna多轮会话时有时识别不太准确

2、qwen3 8b、deepseek-r1:7b的SQL生成效果不如qwen2.5 code:7b

3、自定义术语或逻辑说明，可以转换成正确SQL

4、使用简单主要有train方法进行自定义训练（DDL、Document、SQL对）

附录

-- 建表语句见下：
DROP TABLE IF EXISTS `t_inventory`;
CREATE TABLE `t_inventory`  (
  `id` int NOT NULL AUTO_INCREMENT COMMENT '记录ID',
  `product_id` int NOT NULL COMMENT '商品ID，关联product_id表的id',
  `product_name` varchar(50) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci NOT NULL COMMENT '商品名称(冗余)',
  `warehouse_id` int NOT NULL COMMENT '仓库ID，关联t_warehouse表的id',
  `quantity` int NOT NULL DEFAULT 0 COMMENT '库存数量',
  PRIMARY KEY (`id`) USING BTREE,
  UNIQUE INDEX `product_id`(`product_id` ASC, `warehouse_id` ASC) USING BTREE COMMENT '防止重复记录',

  INDEX `warehouse_id`(`warehouse_id` ASC) USING BTREE,
  CONSTRAINT `t_inventory_ibfk_1` FOREIGN KEY (`product_id`) REFERENCES `t_product` (`id`) ON DELETE RESTRICT ON UPDATE RESTRICT,
  CONSTRAINT `t_inventory_ibfk_2` FOREIGN KEY (`warehouse_id`) REFERENCES `t_warehouse` (`id`) ON DELETE RESTRICT ON UPDATE RESTRICT
) ENGINE = InnoDB AUTO_INCREMENT = 5 CHARACTER SET = utf8mb4 COLLATE = utf8mb4_0900_ai_ci COMMENT = '库存表' ROW_FORMAT = Dynamic;

-- ----------------------------
-- Table structure for t_product
-- ----------------------------
DROP TABLE IF EXISTS `t_product`;
CREATE TABLE `t_product`  (
  `id` int NOT NULL AUTO_INCREMENT COMMENT '商品ID',
  `name` varchar(50) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci NOT NULL COMMENT '商品名称',
  `unit` varchar(10) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci NOT NULL COMMENT '单位',
  PRIMARY KEY (`id`) USING BTREE

) ENGINE = InnoDB AUTO_INCREMENT = 3 CHARACTER SET = utf8mb4 COLLATE = utf8mb4_0900_ai_ci COMMENT = '商品表' ROW_FORMAT = Dynamic;

-- ----------------------------
-- Table structure for t_stock_in
-- ----------------------------
DROP TABLE IF EXISTS `t_stock_in`;
CREATE TABLE `t_stock_in`  (
  `id` int NOT NULL AUTO_INCREMENT COMMENT '记录ID',
  `product_id` int NOT NULL COMMENT '商品ID，关联product_id表的id',
  `product_name` varchar(50) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci NOT NULL COMMENT '商品名称(冗余)',
  `warehouse_id` int NOT NULL COMMENT '仓库ID，关联t_warehouse表的id',
  `quantity` int NOT NULL COMMENT '入库数量',
  `operator` varchar(20) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci NULL DEFAULT NULL COMMENT '操作人',
  `batch_no` varchar(30) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci NULL DEFAULT NULL COMMENT '批次号',
  `create_time` datetime(3) NULL DEFAULT CURRENT_TIMESTAMP(3) COMMENT '入库时间',
  `is_deleted` tinyint(1) NULL DEFAULT 0 COMMENT '删除标记：0-正常 1-已删除',
  PRIMARY KEY (`id`) USING BTREE,
  INDEX `product_id`(`product_id` ASC) USING BTREE,
  INDEX `warehouse_id`(`warehouse_id` ASC) USING BTREE,
  CONSTRAINT `t_stock_in_ibfk_1` FOREIGN KEY (`product_id`) REFERENCES `t_product` (`id`) ON DELETE RESTRICT ON UPDATE RESTRICT,
  CONSTRAINT `t_stock_in_ibfk_2` FOREIGN KEY (`warehouse_id`) REFERENCES `t_warehouse` (`id`) ON DELETE RESTRICT ON UPDATE RESTRICT
) ENGINE = InnoDB AUTO_INCREMENT = 5 CHARACTER SET = utf8mb4 COLLATE = utf8mb4_0900_ai_ci COMMENT = '入库记录表' ROW_FORMAT = Dynamic;

-- ----------------------------
-- Table structure for t_warehouse
-- ----------------------------

DROP TABLE IF EXISTS `t_warehouse`;
CREATE TABLE `t_warehouse`  (
  `id` int NOT NULL AUTO_INCREMENT COMMENT '仓库ID',
  `name` varchar(50) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci NOT NULL COMMENT '仓库名称',
  PRIMARY KEY (`id`) USING BTREE
) ENGINE = InnoDB AUTO_INCREMENT = 3 CHARACTER SET = utf8mb4 COLLATE = utf8mb4_0900_ai_ci COMMENT = '仓库表' ROW_FORMAT = Dynamic;

-- ----------------------------
-- Table structure for vuser
-- ----------------------------
DROP TABLE IF EXISTS `vuser`;
CREATE TABLE `vuser`  (
  `id` int NOT NULL COMMENT '用户ID',
  `username` varchar(50) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NULL DEFAULT NULL COMMENT '用户名',
  `email` varchar(100) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NULL DEFAULT NULL COMMENT '电子邮件',
  `age` int NULL DEFAULT NULL COMMENT '年龄',
  `gender` varchar(10) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NULL DEFAULT NULL COMMENT '性别（男/女）',
  `city` varchar(50) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NULL DEFAULT NULL COMMENT '城市',
  `joindate` date NULL DEFAULT NULL COMMENT '加入日期',
  PRIMARY KEY (`id`) USING BTREE
) ENGINE = InnoDB CHARACTER SET = utf8mb4 COLLATE = utf8mb4_unicode_ci COMMENT = '用户信息表' ROW_FORMAT = Dynamic;

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2406138.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

【VLAs篇】02：Impromptu VLA—用于驱动视觉-语言-动作模型的开放权重和开放数据

【VLAs篇】02：Impromptu VLA—用于驱动视觉-语言-动作模型的开放权重和开放数据

项目描述论文标题Impromptu VLA：用于驱动视觉-语言-动作模型的开放权重和开放数据 (Impromptu VLA: Open Weights and Open Data for Driving Vision-Language-Action Models)研究问题自动驾驶的视觉-语言-动作 (VLA) 模型在非结构化角落案例场景中表现不佳&#xf…
阅读更多...
[学习笔记]使用git rebase做分支差异化同步

[学习笔记]使用git rebase做分支差异化同步

在一个.NET 项目中，使用了Volo.Abp库，但出于某种原因，需要源码调试，因此，使用源码方式集成的项目做了一个分支archive-abp-source 其中引用方式变更操作的提交为：7de53907 后续，在master分支中…
阅读更多...
【Linux应用】Linux系统日志上报服务，以及thttpd的配置、发送函数

【Linux应用】Linux系统日志上报服务，以及thttpd的配置、发送函数

【Linux应用】Linux系统日志上报服务，以及thttpd的配置、发送函数 文章目录 thttpd服务安装thttpd配置thttpd服务thttpd函数日志效果和文件附录：开发板快速上手：镜像烧录、串口shell、外设挂载、WiFi配置、SSH连接、文件交互（RADX…
阅读更多...
Jmeter(四) - 如何在jmeter中创建网络测试计划

Jmeter(四) - 如何在jmeter中创建网络测试计划

1.简介 如何创建基本的 测试计划来测试网站。您将创建五个用户，这些用户将请求发送到JMeter网站上的两个页面。另外，您将告诉用户两次运行测试。 因此，请求总数为（5个用户）x（2个请求）x&#xff…
阅读更多...
2025年上海市“星光计划”第十一届职业院校技能大赛 网络安全赛项技能操作模块样题

2025年上海市“星光计划”第十一届职业院校技能大赛 网络安全赛项技能操作模块样题

2025年上海市“星光计划”第十一届职业院校技能大赛 网络安全赛项技能操作模块样题 （二）模块 A：安全事件响应、网络安全数据取证、应用安全、系统安全任务一：漏洞扫描与利用:任务二：Windows 操作系统渗透测试 :任务三&…
阅读更多...
Modbus转ETHERNET IP网关：快速冷却系统的智能化升级密钥

Modbus转ETHERNET IP网关：快速冷却系统的智能化升级密钥

现代工业自动化系统中，无锡耐特森Modbus转Ethernet IP网关MCN-EN3001扮演着至关重要的角色。通过这一技术，传统的串行通讯协议Modbus得以在更高速、更稳定的以太网环境中运行，为快速冷却系统等关键设施的自动化控制提供了强有力的支撑。快速冷…
阅读更多...
Linux——TCP和UDP

Linux——TCP和UDP

一、TCP协议 1.特点 TCP提供的是面向连接、可靠的、字节流服务。 2.编程流程 （1）服务器端的编程流程 ①socket() 方法创建套接字 ②bind()方法指定套接字使用的IP地址和端口。 ③listen()方法用来创建监听队列。 ④accept()方法处理客户端的连接…
阅读更多...
Android Settings 数据库生成、监听与默认值配置

Android Settings 数据库生成、监听与默认值配置

一、Settings 数据库生成机制​ ​传统数据库生成（Android 6.0 前）​​ ​路径​：/data/data/com.android.providers.settings/databases/settings.db​创建流程​： ​SQL 脚本初始化​：通过 sqlite 工具创建数据库文件…
阅读更多...
SeaweedFS S3 Spring Boot Starter

SeaweedFS S3 Spring Boot Starter

SeaweedFS S3 Spring Boot Starter 源码特性环境要求快速开始1. 添加依赖2. 配置文件3. 使用方式方式一：注入服务类方式二：使用工具类 API 文档SeaweedFsS3Service 主要方法SeaweedFsS3Util 工具类方法 配置参数运行测试构建项目注意事项集成应用更多项目…
阅读更多...
智慧城市项目总体建设方案（Word700页+）

智慧城市项目总体建设方案（Word700页+）

1 背景、现状和必要性 1.1 背景 1.1.1 立项背景情况 1.1.2 立项依据 1.2 现状 1.2.1 党建体系运行现状 1.2.2 政务体系运行现状 1.2.3 社会治理运行现状 1.2.4 安全监管体系现状 1.2.5 环保体系运行现状 1.2.6 城建体系运行现状 1.2.7 社区体系运行现状 1.2.8 园区…
阅读更多...
详解ZYNQ中的 RC 和 EP

详解ZYNQ中的 RC 和 EP

详解ZYNQ中的 RC 和 EP 一、ZYNQ FPGA 开发板基础（ ZC706 ） 1. 核心特点 双核大脑 灵活积木： ZC706 集成了 ARM Cortex-A9 双核处理器（相当于电脑 CPU）和 FPGA 可编程逻辑单元（相当于可自定义的硬件积木…
阅读更多...
STM32CubeMX-H7-19-ESP8266通信（中）--单片机控制ESP8266实现TCP地址通信

STM32CubeMX-H7-19-ESP8266通信（中）--单片机控制ESP8266实现TCP地址通信

前言 上篇文章我们已经能够使用串口助手实现esp8266的几种通信，接下来我们使用单片机控制实现。这篇文章会附带教程，增加.c和,.h，把串口和定时器放到对应的编号，然后调用初始化就可以使用了。 先讲解，然后末尾再放源码…
阅读更多...
【汇编逆向系列】四、函数调用包含单个参数之Double类型-mmword，movsd，mulsd，addsd指令，总结汇编的数据类型

【汇编逆向系列】四、函数调用包含单个参数之Double类型-mmword，movsd，mulsd，addsd指令，总结汇编的数据类型

一、汇编代码 上一节开始，讲到了很多debug编译独有的汇编方式，为了更好的区分release的编译器优化和debug的区别，从本章节开始将会提供debug和release的汇编用作对比 Debugb编译 single_double_param:00000000000000A0: F2 0F 11 44 24 08…
阅读更多...
【AI学习】wirelessGPT多任务无线基础模型摘要

【AI学习】wirelessGPT多任务无线基础模型摘要

收看了关于WirelessGPT多任务无线基础模型的演讲视频，边做一个记录。 应该说，在无线通信大模型的探索方面，有一个非常有益的尝试。 在沈学明院士带领下开展 https://www.chaspark.com/#/live/1125484184592834560
阅读更多...
docker 部署redis集群 配置

docker 部署redis集群 配置

docker的网络模式 网桥模式每次重启容器都有可能导致容器ip地址变化，需要固定ip的自己自定义网络，这里介绍的是默认网络模式 docker创建容器 docker run --name redis6379 -p 6379:6379 -p 16379:16379 -v /etc/redis/redis6379:/etc/redis -d --r…
阅读更多...
Ansys Maxwell：线圈和磁体的静磁 3D 分析

Ansys Maxwell：线圈和磁体的静磁 3D 分析

本博客展示了如何在 Ansys Maxwell 中执行静磁 3D 分析，以计算载流线圈和永磁体之间相互作用产生的扭矩。在这个例子中，线圈中的电流产生一个沿 Y 轴指向的磁场，而永磁体沿 X 轴被磁化。这种配置导致围绕 Z 轴的扭矩。分步工作流程包括构建几…
阅读更多...
【计算机网络】SDN

【计算机网络】SDN

SDN这种新型网络体系结构的核心思想：把网络的控制层面与数据层面分离，而让控制层面利用软件来控制数据层面中的许多设备。 OpenFlow协议可以被看成是SDN体系结构中控制层面与数据层面之间的通信接口。 在SDN中取代传统路由器中转发表的是“流表”&…
阅读更多...
成工fpga（知识星球号）——精品来袭

成工fpga（知识星球号）——精品来袭

（如需要相关的工程文件请关注知识星球：成工fpga，https://t.zsxq.com/DMeqH，关注即送200GB学习资料，链接已置顶！） 《孩子都能学会的FPGA》系列是成工完成的第一个系列，也有一年多的时…
阅读更多...
spring中的@KafkaListener 注解详解

spring中的@KafkaListener 注解详解

KafkaListener 是 Spring Kafka 提供的一个核心注解，用于标记一个方法作为 Kafka 消息的消费者。下面是对该注解的详细解析： 基本用法 KafkaListener(topics "myTopic", groupId "myGroup") public void listen(String message)…
阅读更多...
NoSQL——Redis配置与优化

NoSQL——Redis配置与优化

目录 关系型&非关系型数据库 一、核心原理对比‌ ‌二、核心特性对比‌ ‌三、关键区别剖析‌ ‌四、典型产品示例‌ ‌总结‌ Redis Redis核心原理 核心特性 技术意义 配置文件解析 1. 基础配置 2. 持久化配置 3. 内存管理 4. 高可用配置 5. 性能调优 6.…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023