# 引言
在SQL问答链或代理中，编写有效且安全的SQL查询一直是最容易出错的部分之一。本篇文章将介绍如何通过附加“查询验证器”步骤和提示设计来减少错误的发生率。
# 主要内容
## 设置环境
首先，安装所需的包并设置环境变量：
```bash
%pip install --upgrade --quiet langchain langchain-community langchain-openai
使用SQLite连接Chinook数据库进行示例：
from langchain_community.utilities import SQLDatabase
db = SQLDatabase.from_uri("sqlite:///Chinook.db")
print(db.dialect)
print(db.get_usable_table_names())
查询验证器
最简单的策略是让模型检查原始查询中的常见错误。可以通过对链添加第二个提示和模型调用来实现。
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
system = """Double check the user's {dialect} query for common mistakes..."""
prompt = ChatPromptTemplate.from_messages(
[("system", system), ("human", "{query}")]
).partial(dialect=db.dialect)
validation_chain = prompt | llm | StrOutputParser()
full_chain = {"query": chain} | validation_chain
query = full_chain.invoke({"question": "What's the average Invoice from an American customer whose Fax is missing since 2003 but before 2010"})
print(query)
单次调用验证
通过在单个模型调用中进行查询生成和检查，可以减少调用次数：
prompt = ChatPromptTemplate.from_messages(
[("system", system), ("human", "{input}")]
).partial(dialect=db.dialect)
def parse_final_answer(output: str) -> str:
return output.split("Final answer: ")[1]
chain = create_sql_query_chain(llm, db, prompt=prompt) | parse_final_answer
代码示例
以下是一个完整的SQL查询验证示例：
query = chain.invoke(
{
"question": "What's the average Invoice from an American customer whose Fax is missing since 2003 but before 2010"
}
)
print(query)
db.run(query)
常见问题和解决方案
- 网络限制问题：由于某些地区的网络限制，开发者可能需要使用API代理服务来提高访问稳定性。
- 错误处理：可以通过在链和代理中添加错误处理行为来优雅地处理和自动恢复错误。
总结和进一步学习资源
通过本文，您了解了如何在SQL问答中实施查询验证，并提高查询的准确性。为了深入学习，可以参考以下资源：
参考资料
- Langchain API文档
- SQLAlchemy文档
- Chinook数据库文档
如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！
---END---
