现在针对数据库的数据，我们使用结构化查询语言(SQL)。现在，我们正进入一个全新的编程范式，其中机器学习和自然语言处理技术使得与计算机的交互变得更加自然。这意味着，我们可以用更加接近我们日常话语的自然语言来与计算机交流。例如，不用复杂的SQL语句查询数据库，我们可以简单地问：“请告诉我去年的销售额是多少？” 计算机能够理解这个问题，并给出相应的答案。
这种转变不仅使得非技术人员更容易与计算机交互，还为开发者提供了更大的便利性。简而言之，我们从“告诉计算机每一步怎么做”，转变为“告诉计算机我们想要什么”，整个过程变得更加人性化和高效。
新范式的工作流程可以做以下解释，首先是提出问题，用户用自然语言提出一个问题。然后LLM理解并转译：LLM首先会解析这个问题，理解其背后的意图和所需的信息。接着，模型会根据解析的内容，生成相应的SQL查询语句。其次1. 执行SQL查询：生成的SQL查询语句会被发送到相应的数据库进行执行。数据库处理这个查询，并返回所需的数据结果。1. LLM接收并解释结果：当数据库返回查询结果后，LLM会接收到这些数据。然后，LLM会开始解析这些数据，并将其转化为更容易被人类理解的答案格式。最后提供答案。我们可以理解为在人和数据库中间完美的加入了一个智能翻译官，他不仅能够翻译需求，还能进行总结概括。这就大大简化了查询过程和难度。
LangChain连接数据库对我们理解的核心在于从“告诉计算机要做什么”的编程范式向“告诉计算机我们想要什么”的范式的转变。 这种转变具有深远的意义。
- 更大的可达性：不再需要深入的技术知识或特定的编程背景。这意味着非技术人员，比如业务分析师、项目经理甚至是终端用户，都可以直接与数据交互。
- 高效率与生产力：传统的编程方法需要大量的时间和努力，尤其是在复杂的数据操作中。自然语言处理和理解能够显著减少这种负担，使得复杂的数据操作变得更加直观。
- 错误的减少：许多编程错误源于对特定语法或结构的误解，通过使用自然语言，这些源于误解的错误将大大减少。
- 人与机器的紧密结合：在这种新范式下，机器更像是人类的合作伙伴，而不仅仅是一个工具。它们可以理解我们的需求，并为我们提供解决方案，而无需我们明确指导每一步。
同时也存在着模糊性问题、过度依赖等问题。
