（Windows平台）基于RAGFlow中agent的text2sql尝试

---

前言

上篇文章中，笔者在Windows平台安装了docker和RAGFlow，建立了本地知识库。本文接下来要介绍如何使用 RAGFlow 实现 Text2SQL。

---

一、什么是Text2SQL？

Text2SQL利用自然语言处理（NLP）技术，将用户用日常语言提出的问题（如“北京客户的总订单额是多少？”）转化为对应的SQL查询（如SELECT SUM(amount) FROM orders JOIN customers ON orders.customer_id = customers.id WHERE city = ‘北京’;）。
旨在帮助用户无需掌握SQL语法即可直接通过自然语言与数据库交互。

二、RAGFlow中对text2sql的实现方法：agent

2024年9月，RAGFlow提供了一份官方教程。接下来以此为基础，详细介绍下如何运行。

步骤1. 新建agent，并使用DB Assistant模板

步骤2. 配置知识库

首先需要访问：https://huggingface.co/datasets/InfiniFlow/text2sql/tree/main …科学上网
把三个文件下载下来。

接下来要利用上面三个文件，分别创建三个知识库；在导入文件后，解析之前，配置每个知识库的切片方式。

DB Description 知识库：该知识库包含了查询到的数据库的准确信息，包括但不限于数据库表的含义以及这些表中不同字段的意义。借助数据库中的详细描述，大型语言模型可以更准确地将用户问题转换为 SQL 语句。建议配置 DB Description 知识库解析设置如下：

DDL 知识库：LLM 需要准确的 DDL（数据定义语言）数据来生成 SQL 语句，例如表结构和字段信息。DDL 知识库保存正确的 DDL 数据，以便进行有效的数据库查询。解析 DDL 知识库的推荐配置如下：

Q->SQL 知识库：在 Text2SQL 过程中，向 LLM 提供自然语言样本及其相应的 SQL 语句对可以提高生成的 SQL 语句的质量。Q->SQL 知识库存储此类对。解析 Q->SQL 知识库的推荐配置如下：

进入刚刚新建好的agent，找到红框，并分别选中三个知识库。

步骤3. 配置数据库

选中红色框Execute SQL 组件中配置数据库所需的参数，填入你自己的数据库信息。如果是docker安装的RAGFlow，在主机地址那里，需要填host.docker.internal。（我试过127.0.0.1或者localhost，不行）填好后，点击右下角test，查看连接是否成功

步骤4. 接入好用的api

需要注意的是，如果你将红框选中了比较弱的模型(比如本地安装的deepseek14b等)，那么你提问它会回答：ERROR。让我误以为我自己的配置有问题…
所以此处建议使用apikey，接入比较强的模型，才能回答出正确的答案。本文接入了阿里千问的MAX模型。当然，我是刚注册，可以白嫖token…

使用

单击运行按钮，可以进行对话。

单表查询

如上图所示，数据库中只有一张表格。提问：表格course中共有多少条数据？它能够正确回答：4

多表查询

如上图所示，数据库中有三张表格。提问：学生’谢逊’的学号是多少？无法回答。。。

---

总结

本文介绍了RAGFlow中agent的使用，尝试了单表查询和多表查询。结果表明，目前的多表查询性能弱。