利用LangGraph和Waii实现你的chat2db！

0 前言

在数据分析领域快速发展的今天，通过自然语言与数据交互的能力变得越来越有价值。对话式分析旨在使复杂数据结构对没有专业技能的用户更易于访问。

LangGraph 是个框架，用于构建使用语言模型的状态化、多代理应用程序。Waii 提供文本到 SQL 和文本到图表的功能，使用户能够通过自然语言与数据库和数据可视化进行交互。

本文探讨 Waii 的能力如何增强 LangGraph 应用程序在对话式分析方面的应用。重点关注 Waii 处理数据库中复杂连接的方法，这是从自然语言查询生成准确 SQL 的一个关键方面。

1 Waii 的文本到 SQL 能力

对话式分析的核心是将自然语言转换为数据库操作的能力。Waii 提供了一个全面的文本到 SQL 解决方案，在几个关键领域很优秀：

• 高精度的复杂模式连接
• 适用于大型数据库的可扩展表选择
• 定制编译器，用于语法正确性和查询优化
• 专门针对过滤器、排序顺序、常见指标等的代理流程

下一节深入探讨 Waii 如何处理复杂连接。关注这点，因为它是对话式分析的基本能力，许多当今的解决方案都在努力应对。我们将检查一个示例，看看连接是如何构建的，并解释如何轻松地将 Waii 集成到你现有的 LangGraph 应用程序中以实现这些收益。

2 深入研究：连接处理

示例

想象一下，一个流媒体平台的数据团队被指派创建一个全面的导演表现仪表板。他们需要通过结合来自电影、电视剧、类型、关键词、奖项和演员合作的数据来分析什么使导演成功。

指令

创建一个视图，为排名前 5 的导演（按标题数量最高）提供以下信息：

• 导演的名字
• 总标题数量
• 最频繁的类型
• 最频繁的关键词
• 获得的奖项数量
• 电影总收入
• 他们合作过的演员名单

查询

Waii 根据这些指令生成的完整查询可以在附录