SQLBot 智能问数、数据洞察逻辑拆解
* 基于 SQLBot v1.0.2
* 使用 AI Gateway 抓取模型调用记录
SQLBot 通过融入 LLM 能力实现了非常优秀的问数体验，这里记录一下产品中如何引入 AI 能力，顺便探究一下调用大模型的数据安全的问题（是否会向模型提供真实数据）。
结论：
|
|---|
1. 模型对接
SQLBot 提交
校验模型，将“1+1=？”提交给大模型
{
"messages": [
{
"content":"1+1=?",
"role":"user"
}
],
"model":"deepseek-chat",
"stream":true,
"stream_options": {
"include_usage":true
}
}
模型返回(节选）
{
"delta": {
"role":"assistant",
"content":"1 + 1 = 2 \n\n这是最基本的加法运算。如果你有其他问题或需要进一步的解释，请随时告诉我！ 😊"
}
2. 智能问数
SQLBot 需指定数据源进行提问，一个基础的问数过程涉及到 3 个和模型交互的步骤。
2.1 猜你想问
新建一个会话，对话窗口上方将展示 4 个用户可能感兴趣的 “推测问题”，该推测问题为大模型根据数据源的表结构自动生成
SQLBot 提交以下内容至大模型(节选）
{
"messages": [
{
"content":"### 请使用语言：简体中文 回答，不需要输出深度思考过程\n\n### 说明：\n您的任务是根据给定的表结构，用户问题以及以往用户提问，推测用户接下来可能提问的1-4个问题。\n请遵循以下规则：\n- 推测的问题需要与提供的表结构相关，生成的提问例子如：[\"查询所有用户数据\",\"使用饼图展示各产品类型的占比\",\"使用折线图展示销售额趋势\",...]\n- 推测问题如果涉及图形展示，支持的图形类型为：表格(table)、柱状图(column)、条形图(bar)、折线图(line)或饼图(pie)\n- 推测的问题不能与当前用户问题重复\n- 推测的问题必须与给出的表结构相关\n- 若有以往用户提问列表，则根据以往用户提问列表，推测用户最频繁提问的问题，加入到你生成的推测问题中\n- 忽略“重新生成”想关的问题\n- 如果用户没有提问且没有以往用户提问，则仅根据提供的表结构推测问题\n- 生成的推测问题使用JSON格式返回：\n[\"推测问题1\", \"推测问题2\", \"推测问题3\", \"推测问题4\"]\n- 最多返回4个你推测出的结果\n- 若无法推测,则返回空数据JSON:\n[]\n- 若你的给出的JSON不是简体中文的，则必须翻译为简体中文\n\n### 响应, 请直接返回JSON结果:\n```json\n",
"role":"system"
},
{
"content":"### 表结构:\n【DB_ID】 demo\n【Schema】\n# Table: yingshou\n[\n(售后:varchar, 售后收入（来自字段备注）),\n(地区:varchar, 地区（来自字段备注）),\n(城市:varchar, 城市（来自字段备注）),\n(广告:varchar, 广告收入（来自字段备注）),\n(日期:varchar, 日期（来自字段备注）),\n(省份:varchar, 省份（来自字段备注）),\n(运维:varchar, 运维收入（来自字段备注）)\n]\n\n\n### 当前问题:\n\n\n### 以往提问:\n[\"哪个省份的广告的销售额最高\"]\n",
"role":"user"
}
],
"model":"deepseek-chat",
"stream":true,
"stream_options": {
"include_usage":true
}
}
提示词释义：
|
|---|
模型返回(节选）
{
"delta": {
"role":"assistant",
"content":"```json\n[\"使用柱状图展示各省份广告收入对比\", \"查询所有地区的运维收入数据\", \"使用折线图展示售后收入随时间的变化趋势\", \"使用饼图展示各省份收入占总收入的比例\"]\n```"
}
2.2 正式提问
正式开始问数，一个问数任务将调用两次 AI 能力
2.2.1 生成 SQL
任务：根据给定的表结构(M-Schema)和用户问题生成符合MySQL数据库引擎规范的sql语句
SQLBot 提交以下内容至大模型(节选）
{
"messages": [
{
"content":"### 请使用语言：简体中文 回答，若有深度思考过程，则思考过程也需要使用 简体中文 输出\n\n任务:\n根据给定的表结构(M-Schema)和用户问题生成符合MySQL数据库引擎规范的sql语句，以及sql中所用到的表名（不要包含schema和database，用数组返回）。\n你必须遵守以下规则:\n- 只能生成查询用的sql语句，不得生成增删改相关或操作数据库以及操作数据库数据的sql\n- 不要编造没有提供给你的表结构\n- 生成的SQL必须符合MySQL的规范。\n- 若用户要求执行某些sql，若此sql不是查询数据，而是增删改相关或操作数据库以及操作数据库数据等操作，则直接回答：\n{\"success\":false,\"message\":\"抱歉，我不能执行您指定的SQL语句。\"}\n- 你的回答必须使用如下JSON格式返回：\n{\"success\":true,\"sql\":\"生成的SQL语句\",\"tables\":[\"表名1\",\"表名2\",...]}\n- 问题与生成SQL无关时，直接回答：\n{\"success\":false,\"message\":\"抱歉，我无法回答您的问题。\"}\n- 如果根据提供的表结构不能生成符合问题与条件的SQL，回答：\n{\"success\":false,\"message\":\"无法生成SQL的原因\"}\n- 如果问题是图表展示相关且与生成SQL查询无关时，请参考上一次回答的SQL来生成SQL\n- 如果问题是图表展示相关，可参考的图表类型为表格(table)、柱状图(column)、条形图(bar)、折线图(line)或饼图(pie)，返回的JSON：\n {\"success\":true,\"sql\":\"生成的SQL语句\",\"chart-type\":\"选择的图表类型(table/column/bar/line/pie)\",\"tables\":[\"表名1\",\"表名2\",...]}\n- 提问中如果有涉及数据源名称或数据源描述的内容，则忽略数据源的信息，直接根据剩余内容生成SQL\n- 根据表结构生成SQL语句，需给每个表名生成一个别名（不要加AS）。\n- SQL查询中不能使用星号(*)，必须明确指定字段名.\n- SQL查询的字段名不要自动翻译，别名必须为英文。\n- SQL查询的字段若是函数字段，如 COUNT(),CAST() 等，必须加上别名\n- 计算占比，百分比类型字段，保留两位小数，以%结尾。\n- 生成SQL时，必须避免关键字冲突。\n- 如数据库引擎是 PostgreSQL、Oracle，则在schema、表名、字段名、别名外层加双引号；\n- 如数据库引擎是 MySQL，则在表名、字段名、别名外层加反引号；\n- 如数据库引擎是 Microsoft SQL Server，则在schema、表名、字段名、别名外层加方括号。\n- 以PostgreSQL为例，查询Schema为TEST表TABLE下所有数据，则生成的SQL为：\n SELECT \"id\" FROM \"TEST\".\"TABLE\"\n - 注意在表名外双引号的位置，千万不要生成为:\n SELECT \"id\" FROM \"TEST.TABLE\"\n- 如果生成SQL的字段内有时间格式的字段（重要）:\n - 若提问中没有指定查询顺序，则默认按时间升序排序\n - 若提问是时间，且没有指定具体格式，则格式化为yyyy-MM-dd HH:mm:ss的格式\n - 若提问是日期，且没有指定具体格式，则格式化为yyyy-MM-dd的格式\n - 若提问是年月，且没有指定具体格式，则格式化为yyyy-MM的格式\n - 若提问是年，且没有指定具体格式，则格式化为yyyy的格式\n - 生成的格式化语法需要适配对应的数据库引擎。\n- 生成的SQL查询结果可以用来进行图表展示，需要注意排序字段的排序优先级，例如：\n - 柱状图或折线图：适合展示在横轴的字段优先排序，若SQL包含分类字段，则分类字段次一级排序\n\n### M-Schema格式简单的解释如下:\n```\n【DB_ID】 [Database名]\n【Schema】\n# Table: [Database名].[Table名], [表描述（若没有则为空）]\n[\n([字段名1]:[字段1的类型], [字段1的描述（这一行的逗号后都是描述，若没有则为空）]),\n([字段名2]:[字段2的类型], [字段2的描述（这一行的逗号后都是描述，若没有则为空）]),\n([字段名3]:[字段3的类型], [字段3的描述（这一行的逗号后都是描述，若没有则为空）]),\n...\n]\n```\n\n### 提供表结构如下:\n【DB_ID】 demo\n【Schema】\n# Table: yingshou\n[\n(售后:varchar, 售后收入（来自字段备注）),\n(地区:varchar, 地区（来自字段备注）),\n(城市:varchar, 城市（来自字段备注）),\n(广告:varchar, 广告收入（来自字段备注）),\n(日期:varchar, 日期（来自字段备注）),\n(省份:varchar, 省份（来自字段备注）),\n(运维:varchar, 运维收入（来自字段备注）)\n]\n\n\n### 响应, 请直接返回JSON结果:\n```json\n",
"role":"system"
},
{
"content":"### 问题:\n使用柱状图展示各省份广告收入对比\n\n### 其他规则:\n\n",
"role":"user"
}
],
"model":"deepseek-chat",
"stream":true,
"stream_options": {
"include_usage":true
}
}
模型返回(节选）
"content":"```json\n{\n \"success\": true,\n \"sql\": \"SELECT `省份`, SUM(CAST(`广告` AS DECIMAL(10,2))) AS `ad_revenue` FROM `yingshou` GROUP BY `省份` ORDER BY `ad_revenue` DESC\",\n \"chart-type\": \"column\",\n \"tables\": [\"yingshou\"]\n}\n```"
2.2.2 可视化准备
任务：通过给定的问题和SQL生成 JSON 以进行数据可视化
SQLBot 提交以下内容至大模型(节选）
{
"messages": [
{
"content":"### 请使用语言：简体中文 回答，若有深度思考过程，则思考过程也需要使用 简体中文 输出\n\n### 说明：\n您的任务是通过给定的问题和SQL生成 JSON 以进行数据可视化。\n请遵守以下规则:\n- 如果需要表格，则生成的 JSON 格式应为：\n{\"type\":\"table\", \"title\": \"标题\", \"columns\": [{\"name\":\"简体中文字段名1\", \"value\": \"SQL 查询列 1(有别名用别名,去掉外层的反引号、双引号、方括号)\"}, {\"name\": \"简体中文字段名 2\", \"value\": \"SQL 查询列 2(有别名用别名,去掉外层的反引号、双引号、方括号)\"}]}\n必须从 SQL 查询列中提取“columns”。\n- 如果需要柱状图，则生成的 JSON 格式应为（如果有分类则在JSON中返回series）：\n{\"type\":\"column\", \"title\": \"标题\", \"axis\": {\"x\": {\"name\":\"x轴的简体中文名称\", \"value\": \"SQL 查询 x 轴的列(有别名用别名,去掉外层的反引号、双引号、方括号)\"}, \"y\": {\"name\":\"y轴的简体中文名称\",\"value\": \"SQL 查询 y 轴的列(有别名用别名,去掉外层的反引号、双引号、方括号)\"}, \"series\": {\"name\":\"分类的简体中文名称\",\"value\":\"SQL 查询分类的列(有别名用别名,去掉外层的反引号、双引号、方括号)\"}}}\n必须从 SQL 查询列中提取“x”和“y”。\n- 如果需要条形图，则生成的 JSON 格式应为（如果有分类则在JSON中返回series），条形图相当于是旋转后的柱状图，因此 x 轴仍为维度轴，y 轴仍为指标轴：\n{\"type\":\"bar\", \"title\": \"标题\", \"axis\": {\"x\": {\"name\":\"x轴的简体中文名称\", \"value\": \"SQL 查询 x 轴的列(有别名用别名,去掉外层的反引号、双引号、方括号)\"}, \"y\": {\"name\":\"y轴的简体中文名称\",\"value\": \"SQL 查询 y 轴的列(有别名用别名,去掉外层的反引号、双引号、方括号)\"}, \"series\": {\"name\":\"分类的简体中文名称\",\"value\":\"SQL 查询分类的列(有别名用别名,去掉外层的反引号、双引号、方括号)\"}}}\n必须从 SQL 查询列中提取“x”和“y”。\n- 如果需要折线图，则生成的 JSON 格式应为（如果有分类则在JSON中返回series）：\n{\"type\":\"line\", \"title\": \"标题\", \"axis\": {\"x\": {\"name\":\"x轴的简体中文名称\",\"value\": \"SQL 查询 x 轴的列(有别名用别名,去掉外层的反引号、双引号、方括号)\"}, \"y\": {\"name\":\"y轴的简体中文名称\",\"value\": \"SQL 查询 y 轴的列(有别名用别名,去掉外层的反引号、双引号、方括号)\"}, \"series\": {\"name\":\"分类的简体中文名称\",\"value\":\"SQL 查询分类的列(有别名用别名,去掉外层的反引号、双引号、方括号)\"}}}\n其中“x”和“y”必须从SQL查询列中提取。\n- 如果需要饼图，则生成的 JSON 格式应为：\n{\"type\":\"pie\", \"title\": \"标题\", \"axis\": {\"y\": {\"name\":\"值轴的简体中文名称\",\"value\":\"SQL 查询数值的列(有别名用别名,去掉外层的反引号、双引号、方括号)\"}, \"series\": {\"name\":\"分类的简体中文名称\",\"value\":\"SQL 查询分类的列(有别名用别名,去掉外层的反引号、双引号、方括号)\"}}}\n其中“y”和“series”必须从SQL查询列中提取。\n- 如果答案未知或者与生成JSON无关，则生成的 JSON 格式应为：\n{\"type\":\"error\", \"reason\": \"抱歉，我无法回答您的问题。\"}\n- JSON中生成的标题需要尽量精简\n\n### 示例:\n如果 SQL 为： SELECT products_sales_data.category, AVG(products_sales_data.price) AS average_price FROM products_sales_data GROUP BY products_sales_data.category;\n问题是：每个商品分类的平均价格\n则生成的 JSON 可以是： {\"type\":\"table\", \"title\": \"每个商品分类的平均价格\", \"columns\": [{\"name\":\"商品分类\",\"value\":\"category\"}, {\"name\":\"平均价格\",\"value\":\"average_price\"}]}\n\n### 响应, 请直接返回JSON结果:\n```json\n",
"role":"system"
},
{
"content":"### SQL:\nSELECT `省份`, SUM(CAST(`广告` AS DECIMAL(10,2))) AS `ad_revenue` FROM `yingshou` GROUP BY `省份` ORDER BY `ad_revenue` DESC\n\n### 问题:\n使用柱状图展示各省份广告收入对比\n\n### 其他规则:\n\n",
"role":"user"
}
],
"model":"deepseek-chat",
"stream":true,
"stream_options": {
"include_usage":true
}
}
模型返回(节选）
{
"delta": {
"role":"assistant",
"content":"```json\n{\n \"type\": \"column\",\n \"title\": \"各省份广告收入对比\",\n \"axis\": {\n \"x\": {\n \"name\": \"省份\",\n \"value\": \"省份\"\n },\n \"y\": {\n \"name\": \"广告收入\",\n \"value\": \"ad_revenue\"\n }\n }\n}\n```"
}
}
2.3 继续提问
返回答案后，对话窗口下方将展示 4 个用户可能感兴趣的 “继续提问”，该问题为大模型根据给定的表结构、用户问题以及以往用户提问，推测用户接下来可能提问的1-4个问题
SQLBot 提交以下内容至大模型(节选）
{
"messages": [
{
"content":"### 请使用语言：简体中文 回答，不需要输出深度思考过程\n\n### 说明：\n您的任务是根据给定的表结构，用户问题以及以往用户提问，推测用户接下来可能提问的1-4个问题。\n请遵循以下规则：\n- 推测的问题需要与提供的表结构相关，生成的提问例子如：[\"查询所有用户数据\",\"使用饼图展示各产品类型的占比\",\"使用折线图展示销售额趋势\",...]\n- 推测问题如果涉及图形展示，支持的图形类型为：表格(table)、柱状图(column)、条形图(bar)、折线图(line)或饼图(pie)\n- 推测的问题不能与当前用户问题重复\n- 推测的问题必须与给出的表结构相关\n- 若有以往用户提问列表，则根据以往用户提问列表，推测用户最频繁提问的问题，加入到你生成的推测问题中\n- 忽略“重新生成”想关的问题\n- 如果用户没有提问且没有以往用户提问，则仅根据提供的表结构推测问题\n- 生成的推测问题使用JSON格式返回：\n[\"推测问题1\", \"推测问题2\", \"推测问题3\", \"推测问题4\"]\n- 最多返回4个你推测出的结果\n- 若无法推测,则返回空数据JSON:\n[]\n- 若你的给出的JSON不是简体中文的，则必须翻译为简体中文\n\n### 响应, 请直接返回JSON结果:\n```json\n",
"role":"system"
},
{
"content":"### 表结构:\n【DB_ID】 demo\n【Schema】\n# Table: yingshou\n[\n(售后:varchar, 售后收入（来自字段备注）),\n(地区:varchar, 地区（来自字段备注）),\n(城市:varchar, 城市（来自字段备注）),\n(广告:varchar, 广告收入（来自字段备注）),\n(日期:varchar, 日期（来自字段备注）),\n(省份:varchar, 省份（来自字段备注）),\n(运维:varchar, 运维收入（来自字段备注）)\n]\n\n\n### 当前问题:\n使用柱状图展示各省份广告收入对比\n\n### 以往提问:\n[\"使用柱状图展示各省份广告收入对比\",\"哪个省份的广告的销售额最高\"]\n",
"role":"user"
}
],
"model":"deepseek-chat",
"stream":true,
"stream_options": {
"include_usage":true
}
模型返回(节选）
{
"delta": {
"role":"assistant",
"content":"```json\n[\"使用折线图展示各城市广告收入趋势\", \"使用饼图展示各地区收入占比\", \"使用表格列出各省份运维收入数据\", \"哪个城市的售后收入最高\"]\n```"
}
}
3. 数据洞察
3.1 数据分析
任务：根据给定的数据分析数据
SQLBot 提交以下内容至大模型(节选）
{
"messages": [
{
"content":"### 请使用语言：简体中文 回答，若有深度思考过程，则思考过程也需要使用 简体中文 输出\n\n### 说明：\n你是一个数据分析师，你的任务是根据给定的数据分析数据，并给出你的分析结果。\n",
"role":"system"
},
{
"content":"### 字段(字段别名):\n[\"省份\",\"ad_revenue(广告收入)\"]\n\n### 数据:\n[{\"省份\":\"安徽省\",\"ad_revenue\":405549.0},{\"省份\":\"河北省\",\"ad_revenue\":404628.0},{\"省份\":\"广西壮族自治区\",\"ad_revenue\":401600.0},{\"省份\":\"湖南省\",\"ad_revenue\":401309.0},{\"省份\":\"广东省\",\"ad_revenue\":401305.0},{\"省份\":\"海南省\",\"ad_revenue\":396657.0},{\"省份\":\"辽宁省\",\"ad_revenue\":393937.0},{\"省份\":\"湖北省\",\"ad_revenue\":391972.0},{\"省份\":\"甘肃省\",\"ad_revenue\":390658.0},{\"省份\":\"山东省\",\"ad_revenue\":390619.0},{\"省份\":\"四川省\",\"ad_revenue\":390225.0},{\"省份\":\"云南省\",\"ad_revenue\":390162.0},{\"省份\":\"河南省\",\"ad_revenue\":389712.0},{\"省份\":\"江苏省\",\"ad_revenue\":389039.0},{\"省份\":\"江西省\",\"ad_revenue\":367644.0},{\"省份\":\"山西省\",\"ad_revenue\":362398.0},{\"省份\":\"浙江省\",\"ad_revenue\":354740.0},{\"省份\":\"陕西省\",\"ad_revenue\":348865.0},{\"省份\":\"内蒙古自治区\",\"ad_revenue\":334202.0},{\"省份\":\"吉林省\",\"ad_revenue\":313633.0},{\"省份\":\"贵州省\",\"ad_revenue\":299013.0},{\"省份\":\"福建省\",\"ad_revenue\":288775.0},{\"省份\":\"上海市\",\"ad_revenue\":35980.0},{\"省份\":\"新疆维吾尔自治区\",\"ad_revenue\":34016.0},{\"省份\":\"西藏自治区\",\"ad_revenue\":33717.0},{\"省份\":\"天津市\",\"ad_revenue\":33661.0},{\"省份\":\"青海省\",\"ad_revenue\":33283.0},{\"省份\":\"重庆市\",\"ad_revenue\":33203.0},{\"省份\":\"宁夏回族自治区\",\"ad_revenue\":32256.0},{\"省份\":\"黑龙江省\",\"ad_revenue\":32123.0},{\"省份\":\"北京市\",\"ad_revenue\":28990.0}]\n",
"role":"user"
}
],
"model":"deepseek-chat",
"stream":true,
"stream_options": {
"include_usage":true
}
}
模型返回(节选）
"delta": {
"role":"assistant",
"content":"### 数据分析结果：\n\n#### 1. 数据概览\n- 数据包含31个省级行政区的广告收入数据\n- 广告收入范围：从28,990元（北京市）到405,549元（安徽省）\n- 平均广告收入：约283,738元\n- 中位数广告收入：约390,162元（云南省）\n\n#### 2. 收入分布特征\n（1）头部省份（>390,000元）：\n- 安徽省（405,549元）位列第一\n- 前12名省份收入均在390,000-406,000元之间\n- 这些省份主要分布在中东部地区\n\n（2）中部省份（300,000-390,000元）：\n- 包括江西省到内蒙古自治区等9个省份\n- 收入梯度明显，从367,644元逐步下降到334,202元\n\n（3）尾部省份（<100,000元）：\n- 包含直辖市和部分西部省份\n- 上海市（35,980元）是经济发达地区中的特例\n- 北京市（28,990元）广告收入最低，可能与数据统计口径有关\n\n#### 3. 异常点分析\n- 经济发达地区（北京、上海）收入异常偏低，可能原因：\n - 数据可能仅反映部分渠道收入\n - 统计时间窗口特殊（如疫情期间）\n - 行政区划统计方式不同（如直辖市vs省份）\n- 安徽省作为收入冠军，建议核实数据准确性\n\n#### 4. 区域对比\n- 华东地区：安徽（第1）与浙江（第17）、福建（第22）差异显著\n- 华南地区：广东（第5）与海南（第6）表现较好\n- 西部地区：普遍偏低，但广西（第3）表现突出\n\n#### 5. 建议\n1. 核实北京、上海等地的数据收集完整性\n2. 分析安徽省高收入的驱动因素（如特定行业/平台集中）\n3. 对收入梯度明显的省份进行分层运营策略\n4. 关注广西、甘肃等表现超预期的西部地区\n\n附：TOP5省份\n1. 安徽省 405,549元\n2. 河北省 404,628元 \n3. 广西壮族自治区 401,600元\n4. 湖南省 401,309元\n5. 广东省 401,305元\n\n（注：所有金额单位应为\"元\"，原始数据疑似缺少\"万\"等单位，建议确认数据计量单位）"
}