如何利用LangChain1.0快速进行天气和数据库查询

原创已于 2025-11-20 10:42:50 修改 · 1.1k 阅读

22 ·

CC 4.0 BY-SA版权

文章标签：

#数据库 #python #人工智能 #deepseek

于 2025-11-17 23:36:14 首次发布

人工智能同时被 2 个专栏收录

8 篇文章

订阅专栏

langchain

3 篇文章

订阅专栏

该文章已生成可运行项目，

如何利用LangChain1.0快速进行天气和数据库查询

1. 系统概述

本系统是一个基于LangChain框架构建的智能数据库查询工具，利用通义千问大语言模型和SQL数据库工具包实现自然语言数据库查询功能。用户可以通过自然语言提问来查询SQLite数据库中的信息。

2. 系统架构

2.1 主要组件

Agent代理模块 ([dashscope_db_example.py](file:///Users/laraveljun/big_model/langchain-learn/dashscope_db_example.py))
- 使用ChatTongyi模型作为核心推理引擎
- 集成SQL数据库工具包
- 处理自然语言输入并生成相应响应
数据库工具模块 ([func_tool/db_tools.py](file:///Users/laraveljun/big_model/langchain-learn/func_tool/db_tools.py))
- 实现了SQL数据库工具包的创建和管理
- 包含两个主要函数：
  - create_sql_database_toolkit: 创建SQL数据库工具包
  - get_sql_tools: 获取SQL工具列表
数据库结构
- 使用SQLite数据库存储学生测验数据
- 包含学生表([student](file:///Users/laraveljun/big_model/langchain-learn/database/studnet.sql#L1-L6))、题目表([quiz_question](file:///Users/laraveljun/big_model/langchain-learn/database/studnet.sql#L8-L16))和答题记录表([answer_record](file:///Users/laraveljun/big_model/langchain-learn/database/studnet.sql#L18-L25))

2.2 工作流程

用户提出自然语言查询（如"难度为中等有多少道题？"）
Agent解析用户意图并调用适当的SQL工具
工具执行相应的数据库操作（查看表结构、生成SQL查询等）
执行查询并获取结果
Agent将结果格式化后返回给用户

3. 核心模块详解

3.1 Agent代理模块 ([main.py](file:///Users/laraveljun/big_model/langchain-learn/dashscope_db_example.py))

from dotenv import load_dotenv
import os
# 加载.env文件中的环境变量
load_dotenv(override=True)

from func_tool.wechat import query_weather
from func_tool.db_tools import get_sql_tools

from langchain.agents import create_agent
from langchain_community.chat_models import ChatTongyi
model = ChatTongyi(model="qwen-turbo", api_key=os.getenv("DASHSCOPE_API_KEY"))

# 创建可以同时使用天气和数据库工具的智能助手
database_uri = "sqlite:///student_quiz.db"  # 示例数据库URI

tools = get_sql_tools(database_uri, model)

# 创建智能助手，可以同时使用天气和数据库工具
agent = create_agent(
    model=model,
    tools=[query_weather]+tools,
system_prompt='''
    1、你是一个专业的 SQL 数据分析师。
        工作流程：
        1. 先使用 sql_db_list_tables 查看所有表
        2. 使用 sql_db_schema 获取相关表的结构
        3. 生成 SQL 查询前，使用 sql_db_query_checker 检查语法
        4. 使用 sql_db_query 执行查询
        5. 用中文总结查询结果
        注意事项：
        - 只使用数据库中实际存在的表和字段
        - 查询结果限制在 10 条以内
        - 如果查询出错，分析错误并重新生成 SQL
        - 有多个问题的时候，需要进行整理后返回
    2、您是一个乐于助人的助手，您可以回答用户的问题，也可以帮助用户解决问题。
    ''',
)

question = "难度为中等有多少道题？"

# Run the agent with database query
response = agent.invoke(
    {"messages": [{"role": "user", "content": question}]}
)
print(response['messages'][-1].content)

3.2 数据库工具模块 ([func_tool/db_tools.py](file:///Users/laraveljun/big_model/langchain-learn/func_tool/db_tools.py))

from typing import List, Dict, Any, Optional
from langchain_core.language_models import BaseLanguageModel
from langchain_community.utilities import SQLDatabase
from langchain_community.agent_toolkits import SQLDatabaseToolkit


def create_sql_database_toolkit(
    database_uri: str, 
    llm: BaseLanguageModel
) -> SQLDatabaseToolkit:
    """
    创建SQL数据库工具包，
    Args:
        database_uri: 数据库连接URI
        llm: 语言模型实例
        
    Returns:
        SQLDatabaseToolkit: 配置好的SQL工具包
    """
    db = SQLDatabase.from_uri(database_uri)
    toolkit = SQLDatabaseToolkit(db=db, llm=llm)
    return toolkit


def get_sql_tools(
    database_uri: str, 
    llm: BaseLanguageModel
) -> List:
    """
    获取SQL数据库工具列表，包含查询和操作数据库的工具
    Args:
        database_uri: 数据库连接URI
        llm: 语言模型实例
        
    Returns:
        List: 工具列表
    """
    toolkit = create_sql_database_toolkit(database_uri, llm)
    return toolkit.get_tools()

4. 关键特性

自然语言处理：支持中文数据库查询
智能查询构建：自动生成合适的SQL查询语句
安全查询机制：查询前语法检查，避免错误查询
模块化设计：各功能模块解耦，易于扩展
环境配置管理：通过.env文件管理API密钥

5. 依赖库

langchain：AI代理框架
langchain_community：社区模型支持
langchain_community.agent_toolkits：SQL工具包
langchain_community.utilities：SQL数据库工具
python-dotenv：环境变量加载
dashscope：DashScope API支持

6. 环境配置

需要在.env文件中设置以下环境变量：

DASHSCOPE_API_KEY=your_dashscope_api_key

7. 使用方法

安装依赖包：
```
pip install -r requirements.txt
```
配置环境变量：
创建.env文件并填入相应的API密钥
运行程序：
```
python main.py
```

8. 数据库结构

系统使用SQLite数据库，包含以下表：

8.1 学生表 ([student](file:///Users/laraveljun/big_model/langchain-learn/database/studnet.sql#L1-L6))

student_id：学生ID（主键）
student_name：学生姓名
class：班级
create_time：创建时间

8.2 题目表 ([quiz_question](file:///Users/laraveljun/big_model/langchain-learn/database/studnet.sql#L8-L16))

question_id：题目ID（主键）
question_type：题目类型
question_content：题目内容
options：选项
correct_answer：正确答案
difficulty：难度等级
score：分值

8.3 答题记录表 ([answer_record](file:///Users/laraveljun/big_model/langchain-learn/database/studnet.sql#L18-L25))

record_id：记录ID（主键）
student_id：学生ID（外键）
question_id：题目ID（外键）
student_answer：学生答案
is_correct：是否正确
submit_time：提交时间

数据库迁移脚本

# 创建 SQLite 数据库
import sqlite3

# 连接到数据库文件（如果不存在会自动创建）
conn = sqlite3.connect("student_quiz.db")
cursor = conn.cursor()

# 创建学生表
cursor.execute("""
CREATE TABLE IF NOT EXISTS student (
    student_id VARCHAR(20) PRIMARY KEY,
    student_name VARCHAR(50) NOT NULL,
    class VARCHAR(20) NOT NULL,
    create_time DATETIME DEFAULT CURRENT_TIMESTAMP
)
""")

# 创建题目表
cursor.execute("""
CREATE TABLE IF NOT EXISTS quiz_question (
    question_id INTEGER PRIMARY KEY AUTOINCREMENT,
    question_type VARCHAR(20) NOT NULL,
    question_content TEXT NOT NULL,
    options TEXT,
    correct_answer VARCHAR(100) NOT NULL,
    difficulty VARCHAR(10) NOT NULL,
    score INTEGER NOT NULL
)
""")

# 创建答题记录表
cursor.execute("""
CREATE TABLE IF NOT EXISTS answer_record (
    record_id INTEGER PRIMARY KEY AUTOINCREMENT,
    student_id VARCHAR(20) NOT NULL,
    question_id INTEGER NOT NULL,
    student_answer VARCHAR(100) NOT NULL,
    is_correct INTEGER NOT NULL,
    submit_time DATETIME DEFAULT CURRENT_TIMESTAMP,
    FOREIGN KEY (student_id) REFERENCES student(student_id),
    FOREIGN KEY (question_id) REFERENCES quiz_question(question_id)
)
""")

# 创建测验汇总表
cursor.execute("""
CREATE TABLE IF NOT EXISTS quiz_summary (
    summary_id INTEGER PRIMARY KEY AUTOINCREMENT,
    quiz_name VARCHAR(100) NOT NULL,
    applicable_grade VARCHAR(20) NOT NULL,
    total_score INTEGER NOT NULL,
    quiz_duration VARCHAR(20) NOT NULL,
    total_students INTEGER NOT NULL,
    error_questions VARCHAR(100),
    create_time DATETIME DEFAULT CURRENT_TIMESTAMP
)
""")

# 插入学生数据
students_data = [
    ('80101', '张三', '初二1班', '2025-11-17 08:00:00'),
    ('80102', '李四', '初二1班', '2025-11-17 08:00:00'),
    ('80103', '王五', '初二1班', '2025-11-17 08:00:00'),
    ('80104', '赵六', '初二1班', '2025-11-17 08:00:00'),
    ('80105', '孙七', '初二1班', '2025-11-17 08:00:00'),
    ('80106', '周八', '初二2班', '2025-11-17 08:05:00'),
    ('80107', '吴九', '初二2班', '2025-11-17 08:05:00'),
    ('80108', '郑十', '初二2班', '2025-11-17 08:05:00'),
    ('80109', '钱十一', '初二2班', '2025-11-17 08:05:00'),
    ('80110', '冯十二', '初二2班', '2025-11-17 08:05:00')
]

# 插入题目数据
questions_data = [
    # 选择题
    ('选择', '下列各组词语中，加点字读音完全正确的一项是',
     'A.粗犷（kuàng） 莅临（lì） 棱镜（léng）|B.静谧（mì） 憔悴（qiáo） 确凿（záo）|C.吝啬（lìn） 徘徊（huí） 倜傥（tǎng）|D.怂恿（sǒng） 称职（chèng） 蜷伏（quán）',
     'B', '易', 5),
    ('选择', '下列句子中，没有语病的一项是',
     'A.通过开展"城乡环境综合治理"活动，使我市环境卫生状况有了很大改变。|B.传统文化源远流长，其中不少优秀的文化著作，可作为青少年人格教育的读本。|C.有无扎实的阅读基础，是青少年提高写作能力的前提。|D.为了防止失窃事件不再发生，保安部门采取了切实有效的措施。',
     'B', '中', 5),
    ('选择', '数学中，将二次函数y=2x²-4x+3化为顶点式y=a(x-h)²+k的形式，正确的是',
     'A.y=2(x-1)²+1|B.y=2(x-1)²+5|C.y=2(x+1)²+1|D.y=2(x+1)²+5',
     'A', '中', 5),
    ('选择', '下列关于物理现象的解释，错误的是',
     'A.春天冰雪消融，是熔化现象，需要吸热|B.夏天刚从冰箱拿出的冰棍周围冒"白气"，是汽化现象|C.秋天草叶上出现露珠，是液化现象，需要放热|D.冬天窗户玻璃上出现冰花，是凝华现象，需要放热',
     'B', '难', 5),
    ('选择', '历史上，标志着中国近代史开端的事件是',
     'A.鸦片战争|B.太平天国运动|C.甲午中日战争|D.辛亥革命',
     'A', '易', 5),
    # 填空题
    ('填空', '古诗文默写：______，长河落日圆。（王维《使至塞上》）',
     None, '大漠孤烟直', '易', 6),
    ('填空', '化学中，实验室制取二氧化碳的化学方程式为',
     None, 'CaCO₃ + 2HCl = CaCl₂ + H₂O + CO₂↑', '中', 6),
    ('填空', '英语语法：She ______ (finish) her homework before she went out to play yesterday。（用所给词的适当形式填空）',
     None, 'had finished', '中', 6),
    ('填空', '数学应用：一个多边形的内角和是1080°，则这个多边形的边数是',
     None, '8', '难', 6),
    ('填空', '生物知识：生态系统中，______是最大的生态系统，它包括大气圈的底部、水圈的大部和岩石圈的表面',
     None, '生物圈', '易', 6),
    # 判断题
    ('判断', '鲁迅的《朝花夕拾》是一部回忆性散文集，原名《旧事重提》',
     None, '对', '易', 5),
    ('判断', '物理学中，压力的方向总是垂直于接触面指向被压物体',
     None, '对', '中', 5),
    ('判断', '地理上，赤道是南北半球的分界线，本初子午线是东西半球的分界线',
     None, '错', '难', 5),
    ('判断', '语文中，"他经常回忆过去的往事"这句话没有语病',
     None, '错', '易', 5),
    ('判断', '数学中，反比例函数y=k/x（k为常数，k≠0）的图像一定经过点(1,k)',
     None, '对', '中', 5)
]

# 插入答题记录数据
answers_data = [
    ('80101', 1, 'B', 1, '2025-11-17 09:00:00'),
    ('80101', 2, 'A', 0, '2025-11-17 09:01:00'),
    ('80101', 3, 'A', 1, '2025-11-17 09:02:00'),
    ('80101', 4, 'B', 1, '2025-11-17 09:03:00'),
    ('80101', 5, 'C', 0, '2025-11-17 09:04:00'),
    ('80102', 1, 'A', 0, '2025-11-17 09:00:00'),
    ('80102', 2, 'B', 1, '2025-11-17 09:01:00'),
    ('80102', 3, 'B', 0, '2025-11-17 09:02:00'),
    ('80102', 4, 'C', 0, '2025-11-17 09:03:00'),
    ('80102', 5, 'A', 1, '2025-11-17 09:04:00')
]

# 插入测验汇总数据
summary_data = [
    ('学科知识综合测验', '初中二年级', 100, '40分钟', 10, '2,3,4,8,9,13', '2025-11-17 10:00:00')
]

# 执行插入操作
cursor.executemany("INSERT OR REPLACE INTO student VALUES (?, ?, ?, ?)", students_data)
cursor.executemany("INSERT OR REPLACE INTO quiz_question (question_type, question_content, options, correct_answer, difficulty, score) VALUES (?, ?, ?, ?, ?, ?)", questions_data)
cursor.executemany("INSERT OR REPLACE INTO answer_record (student_id, question_id, student_answer, is_correct, submit_time) VALUES (?, ?, ?, ?, ?)", answers_data)
cursor.executemany("INSERT OR REPLACE INTO quiz_summary (quiz_name, applicable_grade, total_score, quiz_duration, total_students, error_questions, create_time) VALUES (?, ?, ?, ?, ?, ?, ?)", summary_data)

# 启用外键约束
cursor.execute("PRAGMA foreign_keys = ON")

# 提交更改并关闭连接
conn.commit()
conn.close()

print("学生测验数据库创建成功！")
print("已创建 4 张表：student, quiz_question, answer_record, quiz_summary")


## 9. 扩展建议

- 可增加更多数据库相关工具（如数据可视化等）
- 支持更多类型的数据库（MySQL、PostgreSQL等）
- 添加复杂查询的缓存机制
- 增加数据库管理功能（增删改查）