更好地进行SQL问题回答的提示技术

在SQL问题回答过程中，提示工程是生成正确SQL查询的关键。通过使用create_sql_query_chain，我们将探讨如何优化提示技术，以改善SQL查询生成。本文将重点讲述如何在提示中获得针对特定数据库的信息。

技术背景介绍

在使用自然语言生成SQL查询时，数据库的特定方言、表结构信息以及少量示例都能够显著提高生成查询的准确性。通过LangChain库，我们可以优化这些提示来帮助模型更好地理解和生成SQL查询。

核心原理解析

1. 方言特定提示： 使用LangChain的create_sql_query_chain和SQLDatabase自动适配不同SQL方言。
2. 结构信息嵌入： 利用SQLDatabase.get_context获取数据库表结构信息并在提示中使用。
3. 少样本例子： 构建和选择合适的少样本例子来帮助模型更准确地理解输入问题。

代码实现演示

环境配置

首先，安装并配置必要的库和环境变量：

%pip install --upgrade --quiet langchain langchain-community langchain-experimental langchain-openai

使用SQLite连接Chinook数据库，并显示可用表：

from langchain_community.utilities import SQLDatabase

db = SQLDatabase.from_uri("sqlite:///Chinook.db", sample_rows_in_table_info=3)
print(db.get_usable_table_names())

方言特定提示实现

对于不同SQL方言，LangChain会自动适配：

from langchain.chains import create_sql_query_chain
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(model="gpt-4o-mini")
chain = create_sql_query_chain(llm, db)
chain.get_prompts()[0].pretty_print()

嵌入表结构信息

获取数据库表结构信息并嵌入提示：

context = db.get_context()
prompt_with_context = chain.get_prompts()[0].partial(table_info=context["table_info"])
print(prompt_with_context.pretty_repr()[:1500])

构建少样本例子

使用少样本例子来提高模型性能：

from langchain_core.prompts import FewShotPromptTemplate

examples = [
    {"input": "List all artists.", "query": "SELECT * FROM Artist;"},
    # 更多的示例...
]

example_prompt = FewShotPromptTemplate(
    examples=examples[:5],
    prefix="You are a SQLite expert...",
    suffix="User input: {input}\nSQL query: ",
    input_variables=["input", "table_info"],
)

prompt = FewShotPromptTemplate(
    example_selector=example_selector,
    example_prompt=example_prompt,
    prefix="You are a SQLite expert...",
    suffix="User input: {input}\nSQL query: ",
    input_variables=["input", "table_info"],
)

print(prompt.format(input="How many artists are there?", table_info="foo"))

应用场景分析

这种提示优化技术尤其适用于以下场景：

• 自然语言SQL生成：提高模型从自然语言生成SQL查询的准确性。
• 复杂数据库结构：帮助理解复杂的数据库结构并生成适配的查询。

实践建议

• 在提示中嵌入数据库特定方言和结构信息，以提高生成的SQL的可执行性。
• 使用少样本学习来提供额外的上下文和指导。
• 在需要时动态选择最相关的例子，以节省上下文窗口。

如果遇到问题欢迎在评论区交流。
—END—