NL2SQL&& NL2API

一些基本思路，摘录自公众号

• Text2SQL和Text2API的提示工程本质是是将领域知识显式化，通过角色定义和业务知识注入（如数据库Schema、API文档），让模型“理解”自然语言背后的真实意图，并将其转化为可执行的结构化指令。
• 提示工程的核心目标是将自然语言问题转化为准确的 SQL 查询和具体的 API 调用参数。

text2sql

text2sql 是一种自然语言描述查询需求，从而转化为结构化的查询语言（SQL）的技术

LangChain提供SQLDatabaseChain，支持将数据库Schema动态注入提示词，实现端到端的SQL生成与执行。LangChain可以自动提取数据库表结构（Schema）作为上下文。支持多轮对话修正SQL语句。

如何实现text2sql

通过自然语言进行语义解析（包括实体识别，关系抽取，意图理解）结合瑜伽在的数据库的schema 信息，利用大语言模型 llm 生成更加合乎规范的 sql 语句。

1、 输入解析：用户提问 -> 提取关键实体（表明、字段、条件）
例如：“统计2024年销售额超过100万的产品” → 提取“销售额（sales）”、“产品（product）”、“年份（year=2024）”、“条件（>1,000,000）”。

2、schema绑定： 结合数据库表的结构（Schema）,明确字段和表关系
关键：在Prompt中提供Schema，例如：表orders: id (int), product_id (int), sales (float), date (date)  表products: id (int), name (str), category (str)

3、sql生成：sql生成根据schema 和 用户意图生成查询语句
SELECT p.name, SUM(o.sales) AS total_sales  FROM orders o  JOIN products p ON o.product_id = p.id  WHERE YEAR(o.date) = 2023  GROUP BY p.id  HAVING total_sales > 1000000;

4、结果验证：执行sql 病返回数据，失败则优化prompt 或者追问用户

text2api

Text2API（文本转API调用） 是一种将自然语言描述的用户需求自动转换为对应用程序接口（API）的调用请求的技术

LangChain提供APIChain，支持将API文档（如OpenAPI/Swagger）嵌入提示词，引导大模型生成请求参数，可以支持多步骤调用（如先查询用户ID，再调用订单API）。

from langchain.chains import APIChain from langchain_community.llms import OpenAI llm = OpenAI(temperature=0) api_docs = """API文档：- 发送邮件：POST /send_email    参数：to（收件人）, subject（主题）, content（内容）  - 查询天气：GET /weather    参数：city（城市）, date（日期）  """ chain = APIChain.from_llm_and_api_docs(llm, api_docs, verbose=True) response = chain.run("给Allen发邮件，主题是会议提醒，内容为明天下午2点开会。")

如何实现 text2api

通过自然语言处理技术进行语义解析（含意图识别、实体抽取、上下文理解），结合预加载的API文档信息，利用大语言模型（LLM）生成符合语法规范的API调用请求。
1、API目录管理：维护API文档（端点、参数、权限）
2、意图识别：模型解析用户指令，匹配目标API。
3、参数填充：提取并验证参数（如邮箱、内容）。
4. 执行与反馈：调用API并返回结果（成功/失败原因）。