当前位置：首页 > news >正文

LangChain实战（十六）：构建基于SQL数据库的数据分析Agent

news 2025/9/6 8:12:17

本文是《LangChain实战课》系列的第十六篇，将手把手教你如何使用SQLDatabaseToolkit和Agent构建一个智能的数据分析助手。这个助手能够理解自然语言问题，自动编写和执行SQL查询，并对结果进行智能分析和解释，让数据查询变得像对话一样简单。

前言

在当今数据驱动的世界中，能够快速从数据库中提取和分析信息是至关重要的技能。然而，编写复杂的SQL查询对于非技术用户来说往往是一个挑战。通过结合LangChain的SQLDatabaseToolkit和Agent技术，我们可以创建一个智能的数据分析助手，让用户用自然语言提问，自动生成和执行SQL查询，并获得有意义的分析结果。

为什么需要SQL数据分析Agent？

传统数据查询的痛点

技术门槛高：需要熟练掌握SQL语法
效率低下：手动编写查询耗时且容易出错
理解困难：非技术人员难以理解查询结果
灵活性差：固定的查询难以应对多变的分析需求

SQL Agent的优势

自然语言交互：用户可以用日常语言提问
自动查询生成：AI自动编写优化的SQL查询
智能结果解释：不仅返回数据，还提供分析和洞察
安全可控：可以限制查询范围和操作权限

环境准备和安装

在开始之前，我们需要安装必要的依赖包：

# 安装LangChain核心库
pip install langchain# 安装SQL相关依赖
pip install sqlalchemy# 安装数据库驱动（根据使用的数据库选择）
pip install pymysql      # MySQL
pip install psycopg2-binary  # PostgreSQL
pip install sqlite3      # SQLite（通常已内置）# 安装其他工具包
pip install pandas
pip install numpy
pip install python-dotenv# 安装可选的可视化库
pip install matplotlib
pip install seaborn

创建示例数据库

首先，让我们创建一个丰富的示例数据库来演示SQL Agent的功能：

import sqlite3
import pandas as pd
from datetime import datetime, timedelta
import randomdef create_sample_database():"""创建包含多个表的示例数据库"""conn = sqlite3.connect('company_data.db')cursor = conn.cursor()# 创建员工表cursor.execute('''CREATE TABLE IF NOT EXISTS employees (employee_id INTEGER PRIMARY KEY,first_name TEXT NOT NULL,last_name TEXT NOT NULL,email TEXT UNIQUE NOT NULL,phone TEXT,hire_date DATE NOT NULL,job_title TEXT NOT NULL,department TEXT NOT NULL,salary REAL NOT NULL,manager_id INTEGER,FOREIGN KEY (manager_id) REFERENCES employees (employee_id))''')# 创建部门表cursor.execute('''CREATE TABLE IF NOT EXISTS departments (department_id INTEGER PRIMARY KEY,department_name TEXT UNIQUE NOT NULL,location TEXT NOT NULL,budget REAL NOT NULL)''')# 创建销售表cursor.execute('''CREATE TABLE IF NOT EXISTS sales (sale_id INTEGER PRIMARY KEY,employee_id INTEGER NOT NULL,sale_date DATE NOT NULL,product_category TEXT NOT NULL,amount REAL NOT NULL,region TEXT NOT NULL,FOREIGN KEY (employee_id) REFERENCES employees (employee_id))''')# 创建项目表cursor.execute('''CREATE TABLE IF NOT EXISTS projects (project_id INTEGER PRIMARY KEY,project_name TEXT NOT NULL,start_date DATE NOT NULL,end_date DATE,budget REAL NOT NULL,status TEXT NOT NULL CHECK(status IN ('Active', 'Completed', 'On Hold')))''')# 创建员工项目关联表cursor.execute('''CREATE TABLE IF NOT EXISTS employee_projects (employee_id INTEGER NOT NULL,project_id INTEGER NOT NULL,role TEXT NOT NULL,hours_worked REAL DEFAULT 0,PRIMARY KEY (employee_id, project_id),FOREIGN KEY (employee_id) REFERENCES employees (employee_id),FOREIGN KEY (project_id) REFERENCES projects (project_id))''')# 插入部门数据departments = [(1, 'Engineering', 'San Francisco', 1500000),(2, 'Sales', 'New York', 1200000),(3, 'Marketing', 'Chicago', 800000),(4, 'HR', 'Austin', 500000),(5, 'Finance', 'Boston', 900000)]cursor.executemany('INSERT INTO departments VALUES (?, ?, ?, ?)', departments)# 插入员工数据employees = [(1, 'John', 'Doe', 'john.doe@company.com', '555-0101', '2020-01-15', 'Senior Engineer', 'Engineering', 120000, None),(2, 'Jane', 'Smith', 'jane.smith@company.com', '555-0102', '2019-03-10', 'Engineering Manager', 'Engineering', 150000, 1),(3, 'Bob', 'Johnson', 'bob.johnson@company.com', '555-0103', '2021-06-20', 'Software Engineer', 'Engineering', 95000, 2),(4, 'Alice', 'Brown', 'alice.brown@company.com', '555-0104', '2018-11-05', 'Sales Director', 'Sales', 130000, None),(5, 'Charlie', 'Wilson', 'charlie.wilson@company.com', '555-0105', '2022-02-14', 'Sales Representative', 'Sales', 75000, 4),(6, 'Diana', 'Lee', 'diana.lee@company.com', '555-0106', '2020-07-30', 'Marketing Manager', 'Marketing', 110000, None),(7, 'Mike', 'Chen', 'mike.chen@company.com', '555-0107', '2021-09-12', 'Marketing Specialist', 'Marketing', 85000, 6),(8, 'Sarah', 'Davis', 'sarah.davis@company.com', '555-0108', '2019-12-01', 'HR Manager', 'HR', 100000, None),(9, 'Tom', 'Anderson', 'tom.anderson@company.com', '555-0109', '2022-04-25', 'HR Coordinator', 'HR', 60000, 8),(10, 'Lisa', 'Garcia', 'lisa.garcia@company.com', '555-0110', '2020-08-18', 'Finance Manager', 'Finance', 125000, None)]cursor.executemany('INSERT INTO employees VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?)', employees)# 插入项目数据projects = [(1, 'Website Redesign', '2023-01-10', '2023-06-15', 50000, 'Completed'),(2, 'Mobile App Development', '2023-03-01', None, 75000, 'Active'),(3, 'Market Research', '2023-02-15', '2023-04-30', 30000, 'Completed'),(4, 'ERP Implementation', '2023-05-01', None, 100000, 'Active'),(5, 'Product Launch', '2023-06-01', None, 60000, 'On Hold')]cursor.executemany('INSERT INTO projects VALUES (?, ?, ?, ?, ?, ?)', projects)# 插入员工项目关联数据employee_projects = [(1, 1, 'Lead Developer', 120),(2, 1, 'Project Manager', 40),(3, 1, 'Developer', 80),(1, 2,<