使用 llms 和 langchain 执行数据库查询_langchain 数据库查询 怎么训练表、字段描述信息

一、简介

在本文中，我们将探讨如何使用 SQLCoder-7B（我们将在 Amazon SageMaker 上部署的大型语言模型 (LLM)）和 LangChain 来执行自然语言查询 (NLQ)。
我们将了解如何使用 LangChain 创建一个管道，提示 LLM 生成 SQL 查询，从 PostgreSQL 数据库检索数据，并将结果作为上下文传递给 LLM 以获得最终响应。

二、SQLCODER

SQLCoder 是大型语言模型 (LLM) 的集合，用于从自然语言高效生成 SQL 查询。
我们将使用 SQLCoder-7B，它基于 Mistral-7B 并针对 SQL 查询生成进行了微调。
根据其创建者的说法"SQLCoder-7B 在自然语言到 SQL 任务中的表现优于 GPT-3.5 Turbo 和其他流行的开源模型。此外，在对特定数据库模式进行微调时，它甚至超过了 GPT-4"。

三、设置环境

1、配置数据库

首先，让我们使用 Amazon RDS 配置 PostgreSQL 数据库。
我们将使用下面的 Terraform 代码片段来完成这项任务：

# ------------------------------------------------------------------------------
# RDS Security group
# ------------------------------------------------------------------------------
resource "aws_security_group" "db_sg" {
  name_prefix = local.db_security_group_name_prefix
  vpc_id      = local.vpc_id
 
  ingress {
    from_port   = local.db_port
    to_port     = local.db_port
    protocol    = "tcp"
    cidr_blocks = [local.my_ip_address]
  }
 
  egress {
    from_port   = 0
    to_port     = 0
    protocol    = "-1"
    cidr_blocks = ["0.0.0.0/0"]
  }
}
 
# ------------------------------------------------------------------------------
# RDS
# ------------------------------------------------------------------------------
module "db" {
  source     = "terraform-aws-modules/rds/aws"
  identifier = local.db_identifier
 
  engine         = "postgres"
  engine_version = "15.4"
  family         = "postgres15"
 
  instance_class    = local.db_instance_class
  allocated_storage = local.db_allocated_storage
 
  db_name  = local.db_name
  username = local.db_username
  port     = local.db_port
 
  create_db_subnet_group = true
  vpc_security_group_ids = [aws_security_group.db_sg.id]
  subnet_ids             = local.db_subnet_ids
 
}

2、初始化数据库

现在，让我们用电子商务数据集中的数据填充新创建的数据库，您可以从 Kaggle 下载 CSV 文件。
下载数据集后，使用以下命令连接到 RDS 数据库：

psql -h <RDS_ENDPOINT> -p <RDS_PORT> -U <DATABASE_USERNAME> -d <DATABASE_NAME> -W

根据提示输入密码。连接后，使用以下 SQL 命令创建销售表：

CREATE TABLE sales (
    invoiceno VARCHAR(255),
    stockcode VARCHAR(255),
    description VARCHAR(255),
    quantity INT,
    invoicedate TIMESTAMP,
    unitprice DECIMAL(10, 2),
    customerid INT,
    country VARCHAR(50)
);

接下来，使用以下命令将 CSV 文件中的数据复制到销售表中：

\COPY sales(invoiceno, stockcode, description, quantity, invoicedate, unitprice, customerid, country) FROM '/path/to/data.csv' DELIMITER ',' CSV HEADER;

最后，运行一个简单的计数查询，验证数据是否已成功加载：

SELECT COUNT(*) FROM sales;

3、在 Amazon sagemaker 上部署 sqlcoder-7b

如果你已经按照我之前的文章部署了自己的私人 LLM 聊天机器人，只需更新代码，按如下方式部署模型 defog/sqlcoder-7b：

locals {
    hugging_face_model_id = "defog/sqlcoder-7b"
}

四、创建LANGCHAIN管道

1、编写剧本

现在，您的数据库已经建立并填充了数据，模型也已部署，我们将创建一个简单的脚本，使用数据库连接和 Amazon SageMaker Endpoint 创建 SQLDatabaseChain。
如果您对检索增强生成（RAG）的概念不了解，请参阅我之前的文章《使用亚马逊 Bedrock 和 LangChain 创建上下文感知的 LLM 聊天机器人》。
使用下面的 Python 脚本可以对数据库中存储的数据执行自然语言查询：

import boto3
 
import json
from langchain.sql_database import SQLDatabase
from langchain_experimental.sql import SQLDatabaseChain
from langchain.llms.sagemaker_endpoint import SagemakerEndpoint, LLMContentHandler
from typing import Dict
from sqlalchemy.exc import ProgrammingError
 
# RDS configuration
RDS_DB_NAME = "<RDS_DB_NAME>"
RDS_ENDPOINT = "<RDS_ENDPOINT>"
RDS_USERNAME = "<RDS_USERNAME>"
RDS_PASSWORD = "<RDS_PASSWORD>"
RDS_PORT = "<RDS_PORT>"
RDS_URI = f"postgresql+psycopg2://{RDS_USERNAME}:{RDS_PASSWORD}@{RDS_ENDPOINT}:{RDS_PORT}/{RDS_DB_NAME}"
db = SQLDatabase.from_uri(
    RDS_URI,
    include_tables=["sales"],
    sample_rows_in_table_info=2,
)
 
# Sagemaker configuration
SAGEMAKER_ENDPOINT_NAME = "<SAGEMAKER_ENDPOINT_NAME>"
MAX_TOKENS = 1024
 
class ContentHandler(LLMContentHandler):
    content_type = "application/json"
    accepts = "application/json"
 
    def transform_input(self, prompt: str, model_kwargs: Dict) -> bytes:
        input_str = json.dumps({"inputs": prompt.strip(), "parameters": model_kwargs})
        return input_str.encode("utf-8")
 
    def transform_output(self, output: bytes) -> str:
        response_json = json.loads(output.read().decode("utf-8"))
        response = response_json[0]["generated_text"].strip().split("\n")[0]
        return response
 
content_handler = ContentHandler()
 
sagemaker_client = boto3.client("runtime.sagemaker")
llm = SagemakerEndpoint(
    client=sagemaker_client,
    endpoint_name=SAGEMAKER_ENDPOINT_NAME,
    model_kwargs={
        "max_new_tokens": MAX_TOKENS,
        "return_full_text": False,
    },
    content_handler=content_handler,
)
 
# Chain
db_chain = SQLDatabaseChain.from_llm(
    llm,
    db,
    verbose=True,
)
 
while True:
    user_input = input("Enter a message (or 'exit' to quit): ")
 
    if user_input.lower() == "exit":
        break
 
    try:
        results = db_chain.run(user_input)
        print(results)
    except (ProgrammingError, ValueError) as exc:
        print(f"\n\n{exc}")

运行此脚本时，它会提示用户输入信息，然后这些信息将通过 SQLDatabaseChain 传递。
此脚本仅供演示之用，可进一步定制。
在与 LLM 交互时，LangChain 可灵活自定义提示，以获得更好的效果。
定制脚本的另一种方法是向 LLM 提供详细的表定义。
这样做可以提供有关被查询表结构的额外上下文，从而帮助 LLM 生成更准确、更相关的 SQL 查询。

2、测试脚本

让我们看看引擎盖下发生了什么。
我运行了脚本，并输入了问题 "最畅销的产品是什么？
在这里，我们可以看到 LangChain 生成了一个提示，其中包含表模式和表中的 2 行。
然后，该提示请求亚马逊 SageMaker 端点根据给定上下文创建 SQL 查询。

结果，模型返回了生成的 SQL 查询，如下图所示：

LangChain 在数据库中执行了查询，得到了以下结果：

有了这些结果，LangChain 再次请求 LLM 模型，在提示符中填写 SQLResult 并请求回答。
模型给出了最终答案，如下图所示：

从这一成功结果来看，脚本似乎能够处理自然语言查询。
要进一步测试脚本，可以考虑尝试其他复杂查询。
必须考虑使用只读用户连接数据库，因为 LLM 有可能生成插入、删除和更改等数据处理语言（DML）查询。

五、结论

这种集成为各种应用打开了大门，从数据分析到能够回答复杂数据库相关查询的聊天机器人。如果您在集成过程中遇到任何难题，或有本指南未涵盖的特殊要求，请随时联系我。我将竭诚为您服务！