AI工具让之前的不可能变成可能，曾经看过罗永浩的一次发布会，现场展示语音交互操作excel，结果演砸了，每逢demo必挂，IT界的著名定律依然有效。
现在，借助大语言模型，LangChain，我们可以把这件事情往前推进一步，使用LangChain和MiniMax构建智能体，通过自然语言跟数据库交互，查询数据。
数据准备
# 建表import sqlite3# Connect to databaseconn = sqlite3.connect('demo.db')cursor = conn.cursor()#Create tablequery = '''CREATE TABLE amazon_sales (uniqId VARCHAR(255),productName VARCHAR(255),brandName VARCHAR(255),Asin VARCHAR(255),category INTEGER,upcEanCode VARCHAR(255),listPrice VARCHAR(255),sellingPrice VARCHAR(255),Quantity VARCHAR(255),modelNum VARCHAR(255),aboutProduct VARCHAR(255));'''cursor.execute(query)
使用pandas读取csv,并写入sqlite:
import pandas as pddf = pd.read_csv('marketing_sample.csv')df = df[df.columns[:11]] # 仅取前11列数据df.columns = ['uniqId', 'productName', 'brandName', 'asin', 'category','upcEanCode', 'listPrice', 'sellingPrice', 'Quantity','modelNum', 'aboutProduct']#Import the csv into databasedf.to_sql('amazon_sales', conn, if_exists='append', index=False)conn.close()
申请minimax账号
申请地址，https://api.minimax.chat/，申请后，账号内会赠送75元接口使用费，这波羊毛是薅一次的。
核心代码
注册完成minimax后，记录GROUPID和APPKEY，我们使用LangChain的试验包完成主体代码。
from langchain_community.llms import Minimax# Load the model, 填充你自己的key和groupidMINMAXAPIKEY = ''MINMAXGROUPID = ''llm = Minimax(minimax_api_key=MINMAXAPIKEY, minimax_group_id=MINMAXGROUPID)# Prompt the model，验证接口可用response = minimax.invoke("What is the difference between panda and bear?")print(response)from langchain.utilities import SQLDatabasefrom langchain_experimental.sql import SQLDatabaseChain# 数据库链接db = SQLDatabase.from_uri("sqlite:///demo.db")db_chain = SQLDatabaseChain.from_llm(llm, db, verbose=True)
到此开发已经完成，接下来看看交互效果怎么样。
db_chain.run('what is the productName for uniqId 4c69b61db1fc16e7013b43fc926e502d?')
db_chain.run('不同的productName有多少，如果数量超过10条数据，仅返回数量?')
给的结果竟然是英文的，有些诡异。再看下原生SQL返回的结果，对比了结果是一致的。
cursor.execute('select count(distinct productName) from amazon_sales')result = cursor.fetchall()print(result)>>> [(9930,)]
背后的原理是什么?
实际上chain预置了prompt，使用特定的prompt，以及table相关的上下文信息，跟LLM交互，拿到SQL后，执行。
这个过程可以通过打开LangChain的debug和verbose来观察到交互过程：
import langchainlangchain.verbose = Truelangchain.debug = Truedb_chain.run('what is the productName for uniqId 4c69b61db1fc16e7013b43fc926e502d?')
交互过程可以通过LangChain的Smith来图形化展示，解释的会更清楚一些，需要知道如何使用Smith的话
