本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。
背景
当前企业坐拥海量数据，却因数据分析依赖 SQL 技术，仅少数专业人员能挖掘数据价值，陷入 “数据多、洞察少” 的困境。而 AI 智能体技术兴起，催生了自然语言转 SQL 数据分析智能体 —— 它能将业务人员的自然语言需求转化为 SQL 查询，打破技术门槛，结合大模型的语境理解能力提升分析效率，助力企业低成本释放数据价值，支撑决策与创新。
SQL（结构化查询语言）是与数据库交互的主流工具，但非技术人员使用存在语法和表结构理解的门槛；而 NL2SQL 模型能将自然语言需求（如 “查 2023Q3 北京销售额”）自动转为可执行 SQL，可降低查询门槛、提升效率、减少成本与错误，让更多人用数据决策，释放数据价值。
本篇介绍一下使用阿里千问、Deepseek等大模型实现一个自然语言数据分析智能体。
Qwen-Text2SQL模型
Qwen-text-to-sql 是由阿里巴巴开发并开源的文本到 SQL 转换模型，属于 Qwen通义千问大模型系列的衍生模型。该模型基于 Qwen 基础架构针对 SQL 生成任务进行了专项优化，开源后可通过 Hugging Face Hub 等平台获取，供开发者使用和二次开发。其核心功能围绕 “精准理解自然语言查询并生成可执行 SQL 语句” 展开，具体包括：
- 复杂自然语言解析：能理解包含多条件、模糊描述、业务术语的查询需求，例如 “找出 2023 年每个季度销售额超过 50 万且利润率高于 15% 的华东地区产品，按销售额从高到低排序”。全面 SQL 语法支持：覆盖主流数据库（MySQL、PostgreSQL 等）的核心语法，包括单表查询、多表关联（JOIN 操作）、子查询、聚合函数（SUM/AVG/COUNT 等）、分组（GROUP BY）、筛选（HAVING）、排序（ORDER BY）等，可生成符合语法规范的复杂 SQL 语句。目前除了主流Mysql关系数据库，对开源大数据引擎Hive、Spark、Starrocks等支持也不错。表结构感知与适配：当输入中提供数据表结构信息（如字段名、类型、表间关系）时，模型能结合元数据优化生成结果，避免字段名错误、表关联逻辑混乱等问题，例如已知 “orders 表含 order_id、user_id、amount 字段，users 表含 user_id、region 字段”，可正确生成 “查询各地区总订单金额” 的关联查询 SQL。这里可通过检索Rag知识库、或元数据API完善补充提供精确提示词去生成较为准确SQL。歧义处理与容错：对存在歧义的自然语言查询（如未明确时间范围、字段名称模糊），会通过合理推断生成最可能的 SQL（如默认取最近 30 天数据），或在必要时隐含补全逻辑（如自动添加合理的过滤条件）。在构建自然语言转SQL智能体工程中，可增加语义层验证环节，依据验证的结果通过与否，循环优化提示词再次执行SQL生成。多场景适配：可应用于电商（订单分析）、金融（交易统计）、政务（数据汇总）等多领域，无需针对特定场景额外训练，仅通过提示词即可快速适配不同业务的数据库查询需求。SQL语法都较为通用，不同业务场景，可通过提示词上下文或RAG知识库等信息为生成SQL补充相关业务知识或场景辅助LLM更好贴合业务等。
自然语言翻译SQL智能体方案
本篇使用langchain框架构建数据分析智能体AIAgent，使用ollama本地部署DeepSeek-R1作为智能体大脑，依据用户指令及优化提示词去执行各种动作。为了完善相关提示词，本篇使用Rag知识库，向量数据库chroma，至于Rag知识库搭建笔者有往期文章分享这里不再赘述.
本篇数据分析智能体主要功能：用户输入自然语言，如查询”上海地区9月份参与国补购买华为手机销售额，智能体根据用户输入提示词（用非精确的描述用哪个数据库、什么表以及实际字段是什么）通过检索Rag知识库（库表字段信息需要提前准备好喂给Rag知识库）查询到精确的表和字段信息，再提交Qwen-text-to-SQ1模型去生成准确SQL语句，针对生成SQL提前做语义层校验，依据校验的结果正确与否，决定是否再优化提示词获取正确SQL语句直到生成正确为止（也可设置次数值，超过阈值人工干预或提醒优化智能体等），语义层校验通过后提交为执行引擎数据库返回正确的数据集。
具体流程：
- 用户提交查询用户语言精准匹配：用户语言+提示词+rag查询精准匹配或API查询匹配,针对不同的SQL语言 增加不同的函数使用，功能解释，参数介绍；特殊语法的用法
- 用户数据分析提示词使用大模型 + 提示词约束，从用户提示词中提取中使用的库表描述从库表描述再去rag当中查真实表和字段名称依据rag当中检索到真实的库表字段，再去完善用户数据分析提示词内容依据完善的用户数据分析提示词内容提交给qwen大模型生成SQL
3.上述替换后的提示词再作为查询给到Qwen-SQL
4.生成之后的sQL进行语法、语义层检查，根据结果判断是否要再次生成
5.提交执行
除了第1步，其他几步这些部分都放在智能体内部，有提示词引导、控制等来完成，整体方案如图：
数据分析智能体代码实现
这里使用了ollama搭建deepseek-r1环境，作为rag、ai agent大脑；使用transformers运行阿里千文-自然语言翻译SQL大模型Qwen-text-to-sql；使用langchain框架搭建的AI Agent。这些环境的搭建方法可参考笔者之前文章，这里都不再赘述。
这里重点介绍四部分内容：
1）LLM数据库表选择及Rag知识库准备
2）Qwen-text-to-sql环境准备
3）AI Agent数据分析智能体环境准备
4）智能体运行过程解析
- LLM数据库表选择及Rag知识库准备
这里不再介绍环境搭建，参考以上文章，Rag知识准备重点介绍LLM数据库表选择、知识库内容准备、Rag提示词准备等
- LLM数据库表选择：
对用户需求使用LLM大模型进行真实数据集选择（目前只举例子，如果表的数量巨大，可以进行多级问题分类或其他方案解决）
- 知识库内容准备：
这里进行Rag知识库文档梳理，关于实际数据库、表、字段以及字段，相关使用说明信息，例：
- 知识库提示词准备：
提示词设置，首先给一个角色，然后指令查询rag知识库要求，同时限制“输出要求：只写结果，不写思考过程“ 因为rag查询的数据库、表和字段信息
- Qwen-text-to-sql环境准备
本部分使用了transformers运行阿里千文-自然语言翻译SQL大模型
Qwen-text-to-sql，首先下载一个大模型具体内容参考上述文章这里不再赘述。以下是实现代码：
- AI Agent数据分析智能体环境准备与实现
此部分部署deepseek-r1作为AI Agent大脑；实现了AI Agent的工具集；实现智能体的提示词模版（介绍工具名称、工具集、输入、流程指南等内容）
AI Agent大脑：deepseek-r1使用ollma部署
工具集：首先，用于根据用户需求判断使用哪些表；其次，根据使用的表，去rag知识库检索真实表和字段信息，最后，根据用户需求 + 检索到真实库表、字段信息去生成sql。
提示词模版：介绍了input_variables占位符变量，工具名称，工具集、执行流程指南等
- 智能体运行过程解析：
首先，对用户需求“2023年销售额超过10000的产品ID和名称，按销售额降序排列”使用LLM大模型进行真实数据集选择（目前只举例子，如果表的数量巨大，可以进行多级问题分类或其他方案解决）
“找出2023年销售额超过10000的产品ID和名称，按销售额降序排列”大模型思考过程，最终思考结果，成功挑选出sales销售额表和products产品表两张
其次，依据上述选择出的sales和products两张表，提交给rag知识库检索出sales、proucts表信息和字段信息。
Ai agent接受到用户指令的思考过程：首先把用户需求进行拆解成为5部分；其次llm因为没有拿到真实数据库、表和字段信息先假设表构建一段sql，llm考虑准确问题，它又去rag里检索相关真实数据库、表和字段信息。如图：
再次，由用户需求“找出2023年销售额超过10000的产品ID和名称，按销售额降序排列” + rag检索出来的真实库表sales、products表以及字段product_id、sale_amt以及关联信息，形成需求带完整的、真实的库表字段信息的完整提示词信息，提交给Qwen_text_to_sql大模型去生成sql。
最后，对Qwen生成sql的进行语法、语义层校验，针对语法语义不通过的SQL进行，根据error信息，再次调整提示词重新生成sql。
以上是AI Agent数据分析智能体环境准备与实现全过程，当然这些实现过程还有很多可以再次优化点或方案，后续再优化讲解。
写在最后
自然语言转SQL的数据分析智能体的在于以智能化、低门槛的方式让非技术人员也能高效挖掘数据价值，同时为专业人员简化复杂流程，最终加速数据驱动决策在各业务场景的落地。除了自然语言转SQL去执行，做数据分析，后续可升级也能自然语言可视化报表实现。
“长风破浪会有时，直挂云帆济沧海”，与君共勉！！！
学习资源推荐
如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。
本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。
