跳到主要内容

Text2SQL / Chat2SQL

Text2SQL（也称 Chat2SQL）支持将自然语言需求转换为 SQL 语句，适用于查询编写、条件补全、复杂语句草拟和业务人员自助取数等场景。

功能说明​

  • 自然语言生成 SQL：通过中文或英文描述查询需求，生成 SQL 草稿。
  • SQL 窗口内生成：在 SQL 编辑器中键入/，打开 Chat2SQL 输入框并生成 SQL。
  • ChatDBA 对话生成：在 ChatDBA 中选择数据源后，可通过多轮对话描述查询需求并生成 SQL。
  • 结合对象结构理解语义：可基于目标库、表、字段、注释和增强 E-R 图理解查询意图。

使用场景​

场景说明
业务人员自助查询使用自然语言描述查询目标，降低手写 SQL 门槛。
开发人员快速草拟 SQL先生成查询框架，再补充业务过滤条件和执行细节。
多表关联查询根据业务口径生成关联、聚合、排序和分组语句初稿。
SQL 学习与验证对照生成结果理解 SQL 写法，辅助学习不同数据库方言。

前提条件​

  • 已将目标数据源添加到 NineData。更多信息，请参见管理数据源。
  • 已打开目标数据源的 SQL 窗口；如果在 ChatDBA 中使用 Text2SQL，请先在 ChatDBA 中选择目标数据源。
  • 当前账号具备目标数据源的查询或开发权限。
  • 如需进一步提升生成准确性，建议先生成目标数据源的增强 E-R 图。更多信息，请参见增强 E-R 图。

使用入口​

入口适用方式详细文档
SQL 窗口在 SQL 编辑器中键入/，输入自然语言需求后生成 SQL。Text2SQL
ChatDBA在 ChatDBA 中选择数据源后，通过对话描述查询需求。ChatDBA
Skill在 AI Agent 客户端中通过 NineData-Skill 调用平台能力。Skill

提升生成准确性​

您可以通过以下方式提升生成质量：

  • 在自然语言描述中写清楚查询对象、时间范围、统计口径、返回字段和排序规则。
  • 为表和字段补充 AI 注释信息，说明字段含义、枚举值、业务口径和外键关系。
  • 使用增强 E-R 图补充表关系信息，帮助 AI 理解多表关联语义。
  • 先在测试数据源或只读场景下验证生成结果，再用于生产查询。

结果复核​

生成 SQL 后，请重点检查以下内容：

检查项说明
数据源和库表确认生成 SQL 引用的是正确数据库、Schema、表和字段。
过滤条件确认时间范围、状态枚举、租户或组织条件符合预期。
聚合口径确认 COUNT、SUM、去重、分组和排序逻辑符合业务定义。
执行影响对 DML 或 DDL 语句，请结合权限、审批和回滚方案复核。

使用建议​