GPT应用-使用中文操作数据库

置顶

x2lab

已于 2023-04-25 00:44:11 修改

阅读量4k

点赞数 1

分类专栏： langchain 文章标签： gpt mysql langchain chatGPT openAI

于 2023-04-25 00:28:45 首次发布

本文链接：https://blog.youkuaiyun.com/u011728347/article/details/130355203

版权

GPT应用-使用中文操作数据库

本次尝试使用langchain来操作数据库；

环境配置

下面是数据库相关的表，使用Mysql5.7 数据库,数据库名students

下面是相关表的介绍

学生表，有名字、分数、和老师的备注

学生父母表，其中有学生的名字，父母的电话

代码介绍

下面是notebook 内容的相关介绍

安装langchain和pymysql依赖

%pip install langchain
%pip install pymysql

配置OPENAI_API_KEY，在openAI获取key

%env OPENAI_API_KEY=sk-d8X5qdQlAnTdOHzCiOdZT3B

引入依赖

from langchain import OpenAI, SQLDatabase, SQLDatabaseChain

配置数据库连接

db = SQLDatabase.from_uri("mysql+pymysql://root:root@127.0.0.1/students")
llm = O

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

x2lab

关注关注

1
点赞
踩
10

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

深度学习-117-Text2SQL之基于langchain使用链Chain或代理Agent实现问答系统

qq_20466211的博客

02-15

197

使用Python来创建一个可以对SQL数据库中的表格数据进行自然语言问答的系统。将通过链(Chain)和代理(Agent)来实现这个系统。(1)Chaining runnables(可运行的链)(2)Chat models(聊天模型)(3)Tools(工具)(4)Agents(代理)。

关于GPT-4：GPT-4 Technical Report

强化学习曾小健

06-23

500

3月14日，OpenAI发布了GPT-4，向科技界再次扔下了一枚“核弹”。根据OpenAI的演示，我们知道了GPT-4拥有着比GPT-3.5更强大的力量：总结文章、写代码、报税、写诗等等。但如果我们深入OpenAI所发布的技术报告，我们或许还能发现有关GPT-4更多的特点……以及一些OpenAI没有点名和宣扬的，可能会令人背后一凉的细节。

1 条评论您还未登录，请先登录后发表或查看评论

使用Langchain构建简单的数据库Agent

mama19971023的博客

08-01

655

这篇文章我们介绍一个使用LangChain实现SQLagent的方法，LangChain直接内置了自己的SQLagent实现-—SQLDatabaseChain。这个方法使用 SQL Alchemy 与数据库交互。感兴趣的可以考虑一下这两个方案是否可以融合，这样保证SQL的准确性从而提升最终结果的准确率。下面将介绍今天主要内容的实现步骤：实现步骤首先，我们得有一个数据库。这里我们用的是ClickHouse，一个开源的、面向列的SQL数据库管理系统，特别适合大数据分析。安装起来超级简单，一行命令就搞定。

GPT是什么？——探究自然语言处理中的神器

weixin_37981979的博客

09-04

285

AskBot大模型简介：结合了不同的大型语言模型来优化各种任务，同时将来自海量工单数据，机器人对话数据，非结构化文档等安全脱敏数据纳入训练，以确保AskBot能深度理解和适应企业语言和业务场景，为员工提供问题解答，数据查询，业务办理，知识搜索问答等服务，成为员工最亲密的工作助手。2. 结合其他技术：除了GPT本身，未来还可能将GPT和其他技术结合起来，例如图像识别、语音合成等，以实现更加丰富的应用场景。3. 普及到更多领域：随着技术的不断发展，GPT还可以普及到更多的领域中，例如医疗、金融、新闻等。

用GPT学习MYSQL第一天---构建SQL骨架

2302_78380832的博客

05-30

586

第一重要：主键的设立①设置一个主键（主键具有非空的特性，不需要特别设定(NOT NULL)）,一般以id设置为主键较便于一个SQL的搭建.-----id （INT PRIMARY KEY）设置主键。简单的说，便是将每一条入库的信息赋予其更为容易辨认的特征如(商品名称，商品特点，人员名称，人员职位等)，是创建基础SQL数据库的灵魂。这样设置便不会报错，所以较为推荐在SQL创建第一步便申明主键可能会减少步骤，但若想要较大的灵活性的话，后设置主键优于先设置主键。3.给触发器、事件或视图添加注释。

Windows下python3 连接SQL数据库

赵大宝的博客

10-01

6997

20180228更新：前几天SQL Server Management Studio突然打不开了，提示缺少组件，需要重新安装，我修复和重新安装依然打不开，搜索Google发现是Visual Studio 2015 Shell的问题，修复Visual Studio 2015后果然SQL Server Management Studio，可是根据之前的方法Python却怎么也无法连接SQL Ser...

sqlite数据库

scwMason的博客

01-31

716

参考教程：http://www.pythondoc.com/flask-mega-tutorial/database.html#id8 准备： pip install sqlalchemy-migrate 我们的目录： config.py import os basedir=os.path.abspath(os.path.dirname(__file__)) SQLALCHEMY_...

LangChain大模型数据库连接MySQL实战Demo

分享技术相关博文

10-12

2134

利用大模型的能力，通过关联本地mysql数据库，实现使用自然语言方式，查询到想要的数据内容并进行展示。

探索GPT-4V：大型多模态模型的创新与应用前瞻

fengbeely的博客

08-02

954

大型语言模型 (LLM)[22,94,27,10,116,50] 的突破在各个领域和任务中表现出了卓越的多功能性和能力。该领域的下一个发展是大型多模态模型 (LMM)，旨在通过集成多感官技能（multi-sensory skills）来扩展 LLM 的功能，以实现更强大的通用智能。鉴于视觉在人类感官中的主导地位 [30, 55]，许多 LMM 研究都是从扩展视觉能力开始的。

DB-GPT-PaperReading

GY-赵的博客

07-06

1450

DB-GPT 旨在理解自然语言查询，提供上下文感知响应，并生成高精度的复杂 SQL 查询，使其成为从新手到专家的用户不可或缺的工具。DB-GPT 的核心创新在于其私有 LLM 技术，该技术在特定领域的语料库上进行了微调，以维护用户隐私并确保数据安全，同时提供最先进的 LLM 的优势。从各个维度对当前流行框架进行了一个对比，DB-GPT主要关注数据库领域，完善LLM与数据库的交互。当前大型语言模型（LLMs）与数据库交互的方法主要依赖于将自然语言查询转换为结构化查询语言（SQL）或其他数据库可理解的指令。

DB-GPT

whaosoft143ai的博客

01-07

2708

在过去的六个月里，DB-GPT 项目的代码已经从最初提交第一行代码到当前版本 0.4.4，随着项目功能的精细打磨和版本的持续迭代，项目团队也随之发布了一篇关于 DB-GPT 的研究论文，该论文详细介绍了项目的核心技术，包括 RAG、多模型管理框架 SMMF、Text2SQL 的自动化微调以及基于数据驱动的 Multi-Agents 等关键特性的实现架构和实验对比。在 DB-GPT 框架中，为了精简模型的适配流程，提升运作效率，并优化模型部署的性能表现，提出面向服务的多模型框架（SMMF）。whaosoft

【LangChain系列】【使用LangChain连接MySQL实践&运行】

艰难困苦，玉汝于成。

07-18

3791

探索如何使用Langchain连接MySQL。

LangChain之数据库操作：通过链Chain和代理Agent查询数据库信息

积跬步，至千里。

07-24

2502

在LangChain，其提供了SQL Chain链和SQL Agent代理，他们支持基于自然语言提示构建和运行SQL查询，以此来操作数据库，并且与SQLAlchemy支持的任何SQL版本兼容

使用LangChain SQLChain连接LLM和SQL数据库

csdn1561168266的博客

04-02

3046

大家好，近年来大型语言模型（LLMs）因在多个领域的文本生成能力受到广泛关注。然而，LLMs有时会产生错误或生成无意义的文本，这种现象常被称为“幻觉”。例如，询问ChatGPT法国是什么时候赠送给立陶宛维尔纽斯电视塔的，ChatGPT可能错误地会回答“在1980年”，这与事实不符，因为法国与维尔纽斯电视塔毫无关系。为了减少LLM在特定领域产生此类错误信息（即“幻觉”），可以将其连接到一个包含准确结构化数据的SQL数据库。

基于ChatGPT打造一个智能数据分析系统

06-19

3526

我用Apexcharts这个JS库来作为图表的渲染。

Langchain学习笔记

weixin_38226321的博客

06-06

3642

发现是代理问题，所以需要修改虚拟环境的site-packages/openai/api_requestor.py。3.打开juypter，选择langchain虚拟环境。测试是否是自己虚拟环境。还删掉了urllib3，下载了urllib3==1.25.11。这时就可以使用这个环境学习langchain了。1.创建虚拟环境,名叫langchain。2.在jupyter中使用这个虚拟环境。因为在第一个测试文件里面出现了问题。

Android 之采用execSQL和rawQuery方法完成数据的添删改查操作

gyflyx的专栏

05-14

2101

<br /><br /> <br /> 使用 SQLiteDatabase 操作 SQLite 数据库 view plaincopy to clipboardprint?/* Android提供了一个名为SQLiteDatabase的类，该类封装了一些操作数据库的API，使用该类可以完成对数据进行添加(Create)、查询(Retrieve)、更新(Update)和删除(Delete)操作（这些操作简称为CRUD）。对SQLiteDatabase的学习，我们应该重点掌握execSQL()和rawQuery

mysql database uri,未设置SQLALCHEMY_DATABASE_URI

weixin_34221154的博客

01-19

1664

I tried to work with CURD operation using Flask and SQLAlchemy.But getting Error while connecting to database.Here is the Error log./usr/local/lib/python3.4/dist-packages/flask_sqlalchemy/__init__.py:...

基于LangChain实现数据库操作的智能体

Ceshiren666的博客

05-10

824

在 Retrieval 或者 ReACT 的一些场景中，常常需要数据库与人工智能结合。而 LangChain 本身就封装了许多相关的内容，在其官方文档-SQL 能力中，也有非常好的示例。而其实现原理主要是通过 LLM 将自然语言转换为 SQL 语句，然后再通过 LLM 获取执行的操作，最终生成一个答案和结论。在未出现人工智能，如果想要完成数据查询与数据分析的工作，则需要相关人员有相应的数据库的功底，而在 LangChain 结合大语言模型的过程中，应对这些问题则相当轻松——写清晰的提示词即可。

大模型应用的在数据库场景应用