AI-SQL,革命来了
作者：微信文章编写SQL语句，需要具备相关知识，尤其在多表之间关联/链接时，挺复杂挺难的（当年老师教给的JOIN 口诀：“内交集、左右全、外并集、叉乘笛、自连自、反半排“），对小白更是难上加难了。一直“天下苦秦久矣”表达了多少无奈，AI的降临，让这个问题得到了改善看到了希望。它用大白话述需求给AI，大模型很好理解其中的语义，在后端将语义转化为查询语句，利用大模型在数据库中完成查询工作；通过这种引导式地、渐进式地提问，逐渐达到表述者的完美需求点。可以说：AI大大降低了专业的门槛，这是未来数据库SQL、大平台的发展方向、发展趋势。今天，我就来实现这样的一个演示。一、环境：数据库：本机（内网）的 apache+mysql; AI：vanna.ai（互联网）；二、过程：1、phpstudy搭建好mysql的环境，不多说了，都会；2、将内网的本机映射到互联网，以便让vanna.ai来访问到数据库；这里用“花生壳”映射内网本机的mysql端口3306到互联网上，并具备外网域名：
用navicate连下，
成功了，说明内网映射出去了，并连接到内网mysql数据库；3、vanni.ai是什么？
Vanna.AI = “让任何人用大白话就能查数据库”的开源 AI 工具。
我们到vanna.ai 官网，进行配置数据库连接，
vanna.ai通过花生壳的映射连接上本机内网的mysql数据库；
4、下达指令
这时，AI给出了两条引导性的询问供选择，
我给出了AI的明显选项，然后给出了答案。
三、总结1、花生壳 4 步就能把内网 MySQL 搬到公网：装客户端 → 添加 TCP 映射 → 拿域名+端口 → 公网直连。2、有了 Vanna.AI，写 SQL 就像聊天一样简单。
3、🧠 技术关键词
Text-to-SQL（自然语言转 SQL）；
RAG（检索增强生成）：先用向量库找出表结构、示例 SQL，再让大模型生成精准查询；
支持 10+ 数据库：MySQL、PostgreSQL、Snowflake、BigQuery、SQL Server…；
开源 & Python：MIT 协议，可本地部署，也提供云端托管；
4、🏗️ 三步就能跑起来
pip install vanna ；
连接数据库： vn.connect_to_mysql(...) ；
直接问： vn.ask("上个月的退货率是多少？") ；
除了用vanna.ai，可以将它改用本地如ollama本地部署的模型；或者将它改造成mcp，这项技术将对整个SQL产生革命性的颠覆和推动。
页:
[1]