目录

一、创建数据库

1.1 创建连接

1.2 新建数据库

1.3 创建表

1.4 查看创建表 

1.5 执行代码

 二、构建SQL模拟数据

2.1 数据结构（表设计）

2.2  插入一些示例数据

2.3 构建查询SQL数据执行代码

2.4 复制查询 

---

 作用概括

这段代码基于 LangChain 框架，实现了用自然语言查询 MySQL 数据库的功能。用户只需输入中文问题，LangChain 会自动将其转为 SQL 查询，并返回结果。

---

 

一、创建数据库

选用数据库：Navicat for MySQL

1.1 创建连接

 

---

1.2 新建数据库

---

1.3 创建表

创建命令：

CREATE TABLE students (
    id INT PRIMARY KEY AUTO_INCREMENT,
    name VARCHAR(50),
    age INT
);

 

---

1.4 查看创建表 

---

1.5 执行代码

from langchain_community.utilities import SQLDatabase

# 连接 sqlite 数据库
# db = SQLDatabase.from_uri("sqlite:///demo.db")

# 连接 MySQL 数据库
db_user = "root"
db_password = "123456"
db_host = "127.0.0.1"
db_port = "3306"
db_name = "llm"
db = SQLDatabase.from_uri(
    f"mysql+pymysql://{db_user}:
    {db_password}@{db_host}:
    {db_port}/{db_name}"
)

print("那种数据库：",db.dialect)
print("获取数据表：",db.get_usable_table_names())
# 执行查询
res = db.run("SELECT count(*) FROM students;")
print("查询结果：",res)

运行结果

那种数据库： mysql
获取数据表： ['students']
查询结果： [(0,)]

---

 二、构建SQL模拟数据

2.1 数据结构（表设计）

 

1. students 表（学生信息表）

CREATE TABLE students (
    id INT AUTO_INCREMENT PRIMARY KEY,
    name VARCHAR(50),
    class_name VARCHAR(50)
);

2. scores 表（成绩表）

CREATE TABLE scores (
    id INT AUTO_INCREMENT PRIMARY KEY,
    student_id INT,
    subject VARCHAR(50),
    score FLOAT,
    FOREIGN KEY (student_id) REFERENCES students(id)
);

 

 

---

2.2  插入一些示例数据

 

 

执行代码 

-- 插入学生
INSERT INTO students (name, class_name) VALUES 
('张三', '一班'),
('李四', '一班'),
('王五', '二班');

-- 插入成绩
INSERT INTO scores (student_id, subject, score) VALUES 
(1, '数学', 88.5),
(2, '数学', 92.0),
(3, '数学', 75.0),
(1, '语文', 80.0),
(2, '语文', 85.5),
(3, '语文', 78.0);

 

---

2.3 构建查询SQL数据执行代码

from dotenv import load_dotenv
load_dotenv()
from langchain_community.utilities import SQLDatabase

# 连接 sqlite 数据库
# db = SQLDatabase.from_uri("sqlite:///demo.db")

# 连接 MySQL 数据库
db_user = "root"
db_password = "123456"
db_host = "127.0.0.1"
db_port = "3306"
db_name = "llm"
db = SQLDatabase.from_uri(f"mysql+pymysql://{db_user}:{db_password}@{db_host}:{db_port}/{db_name}")

from langchain_openai import ChatOpenAI
from langchain.chains import create_sql_query_chain
# 初始化大模型
llm = ChatOpenAI(model="gpt-4", temperature=0)

chain = create_sql_query_chain(llm=llm, db=db)


#response = chain.invoke({"question": "查询考试科目一共有多少？"})
response = chain.invoke({"question": "查询一班的学生数学成绩是多少？"})
# 限制使用的表
# response = chain.invoke({"question": "一共有多少个学生？", "table_names_to_use": ["students"]})
print(response)

运行结果

```sql
SELECT `students`.`name`, `scores`.`score`
FROM `scores`
JOIN `students` ON `scores`.`student_id` = `students`.`id`
WHERE `students`.`class_name` = '一班' AND `scores`.`subject` = '数学'
LIMIT 5;
```

复制该结果到sql的命令窗口执行 

---

2.4 复制查询 

---

 三、模块功能说明

1. 加载环境变量

   from dotenv import load_dotenv
   load_dotenv()
   

   ✅ 加载 .env 文件中的环境变量（如 API 密钥）。

2. 连接 MySQL 数据库

   from langchain_community.utilities import SQLDatabase
   db = SQLDatabase.from_uri("mysql+pymysql://root:123456@127.0.0.1:3306/llm")
   

   ✅ 使用 LangChain 的 SQLDatabase 工具连接本地 MySQL 数据库 llm。

3. 初始化语言模型

   from langchain_openai import ChatOpenAI
   llm = ChatOpenAI(model="gpt-4", temperature=0)
   

   ✅ 使用 OpenAI 的 GPT-4 模型，用于生成 SQL 语句。

4. 创建 SQL 查询链

   from langchain.chains import create_sql_query_chain
   chain = create_sql_query_chain(llm=llm, db=db)
   

   ✅ 将大模型与数据库绑定，创建自然语言到 SQL 的转化链。

5. 执行自然语言查询

   response = chain.invoke({"question": "查询一班的学生数学成绩是多少？"})
   print(response)
   

   ✅ 输入中文问题，让模型自动生成 SQL 语句并执行，返回结果。

---

四、你可以查询的内容示例

• 一班的数学成绩

• 学生总数

• 张三的语文成绩

• 所有班级的平均分

---

五、总结一句话

📊「这段代码通过 LangChain + OpenAI 实现了一个智能数据库问答系统，用户输入中文问题，模型自动翻译成 SQL 并执行查询。」