用于与多个数据库聊天的智能 SQL 代理问答和 RAG 系统（4） —— 利用大型语言模型（LLM）生成和执行SQL查询，并通过语言模型处理查询结果生成最终答案

实现一个与旅行相关的SQL数据库交互的工具，利用大型语言模型（LLM）生成和执行SQL查询，并通过语言模型处理查询结果生成最终答案。

完整代码：

from langchain_core.tools import tool
from langchain_community.utilities import SQLDatabase
from langchain.chains import create_sql_query_chain
from langchain_community.tools.sql_database.tool import QuerySQLDataBaseTool
from langchain_core.prompts import PromptTemplate
from langchain_core.output_parsers import StrOutputParser
from langchain_core.runnables import RunnablePassthrough
from operator import itemgetter
from langchain_openai import ChatOpenAI


class TravelSQLAgentTool:
    """
    A tool for interacting with a travel-related SQL database using an LLM (Language Model) to generate and execute SQL queries.

    This tool enables users to ask travel-related questions, which are transformed into SQL queries by a language model.
    The SQL queries are executed on the provided SQLite database, and the results are processed by the language model to
    generate a final answer for the user.

    Attributes:
        sql_agent_llm (ChatOpenAI): An instance of a ChatOpenAI language model used to generate and process SQL queries.
        system_role (str): A system prompt template that guides the language model in answering user questions based on SQL query results.
        db (SQLDatabase): An instance of the SQL database used to execute queries.
        chain (RunnablePassthrough): A chain of operations that creates SQL queries, executes them, and generates a response.

    Methods:
        __init__: Initializes the TravelSQLAgentTool by setting up the language model, SQL database, and query-answering pipeline.
    """

    def __init__(self, llm: str, sqldb_directory: str, llm_temerature: float) -> None:
        """
        Initializes the TravelSQLAgentTool with the necessary configurations.

        Args:
            llm (str): The name of the language model to be used for generating and interpreting SQL queries.
            sqldb_directory (str): The directory path where the SQLite database is stored.
            llm_temerature (float): The temperature setting for the language model, controlling response randomness.
        """
        self.sql_agent_llm = ChatOpenAI(
            model=llm, temperature=llm_temerature)

        self.db = SQLDatabase.from_uri(
            f"sqlite:///{sqldb_directory}")
        print(self.db.get_usable_table_names())

        # write_query
        write_query = create_sql_query_chain(self.sql_agent_llm, self.db)

        # execute_query
        execute_query = QuerySQLDataBaseTool(db=self.db)

        # answer
        self.system_role = """Given the following user question, corresponding SQL query, and SQL result, answer the user question.\n
            Question: {question}\n
            SQL Query: {query}\n
            SQL Result: {result}\n
            Answer:
            """
        answer_prompt = PromptTemplate.from_template(
            self.system_role)
        answer = answer_prompt | self.sql_agent_llm | StrOutputParser()

        # chain
        self.chain = (
            RunnablePassthrough.assign(query=write_query).assign(
                result=itemgetter("query") | execute_query
            )
            | answer
        )

from agent_graph.load_tools_config import LoadToolsConfig

TOOLS_CFG = LoadToolsConfig()

@tool
def query_travel_sqldb(query: str) -> str:
    """Query the Swiss Airline SQL Database and access all the company's information. Input should be a search query."""
    agent = TravelSQLAgentTool(
        llm=TOOLS_CFG.travel_sqlagent_llm, # 比如:gpt-3.5-turbo
        sqldb_directory=TOOLS_CFG.travel_sqldb_directory, # 数据库地址
        llm_temerature=TOOLS_CFG.travel_sqlagent_llm_temperature # 0到10
    )
    response = agent.chain.invoke({"question": query})
    return response

以下是代码的详细解释：

这段代码定义了一个用于查询与旅行相关的SQL数据库的工具类TravelSQLAgentTool，并通过语言模型（LLM）生成和执行SQL查询。以下是每个方法的详细解释：

TravelSQLAgentTool 类

该类的作用是通过LLM与SQLite数据库进行交互，生成SQL查询，执行这些查询，并基于查询结果回答用户的旅行相关问题。

__init__ 方法

• 作用：初始化TravelSQLAgentTool实例，设置语言模型、SQL数据库和查询处理流水线。
• 参数：
  • llm：要使用的语言模型的名称，用于生成和解释SQL查询。
  • sqldb_directory：SQLite数据库文件的路径。
  • llm_temerature：设置语言模型的温度参数，控制响应的随机性。温度越高，生成的回答越随机。
• 内部操作：
  1. 创建一个ChatOpenAI实例 (self.sql_agent_llm) 来生成SQL查询和处理结果。
  2. 使用SQLDatabase.from_uri()方法加载SQL数据库（SQLite数据库）。
  3. 使用create_sql_query_chain()函数创建SQL查询链 (write_query)，负责将用户问题转化为SQL查询。
  4. 创建QuerySQLDataBaseTool实例 (execute_query)，该工具用于执行SQL查询。
  5. 定义一个系统角色提示 (self.system_role)，该角色提示引导语言模型基于SQL查询结果来回答用户问题。
  6. 创建一个回答模板 (answer_prompt)，并将其与语言模型和输出解析器连接起来，生成最终回答 (answer)。
  7. 定义一个操作链 (self.chain)，将上述所有部分串联起来，完成查询生成、执行和回答过程。

query_travel_sqldb 函数

• 作用：该函数是一个装饰器@tool定义的工具函数，接受用户的查询字符串，创建一个TravelSQLAgentTool实例，并使用它处理查询，最终返回处理后的回答。
• 参数：
  • query：用户的查询，表示对旅行相关信息的搜索。
• 内部操作：
  1. 使用LoadToolsConfig加载配置文件（TOOLS_CFG）。
  2. 创建一个TravelSQLAgentTool实例，并传递所需的配置参数，如语言模型名称、数据库路径和温度设置。
  3. 使用TravelSQLAgentTool的chain流水线处理用户查询，执行SQL查询并返回回答。

关键部分

• SQLDatabase：这是langchain_community库中的一个类，封装了与SQL数据库的交互，提供了查询和执行功能。
• create_sql_query_chain：该函数用于创建一个SQL查询链。它将语言模型与SQL数据库连接，确保语言模型能够从数据库中提取必要的信息来生成有效的SQL查询。
• QuerySQLDataBaseTool：该工具类用于执行SQL查询，它接收生成的SQL查询并执行在数据库上，返回查询结果。
• PromptTemplate：langchain_core中的类，用于创建基于模板的提示。通过模板，语言模型能够理解如何处理特定类型的输入（在这个例子中是SQL查询和结果）并生成回答。
• RunnablePassthrough：这是一个流水线操作工具，用于将多个操作（如生成查询、执行查询和生成回答）串联起来。它确保各个操作按顺序执行，并将中间结果传递到下一个操作。

流程概述

1. 用户通过query_travel_sqldb()传入查询。
2. TravelSQLAgentTool通过语言模型生成SQL查询。
3. 生成的SQL查询通过QuerySQLDataBaseTool执行，获取查询结果。
4. 根据系统角色提示，最终生成答案，回答用户的问题。

这段代码的主要功能是结合语言模型和SQL数据库，使得用户能够用自然语言查询与旅行相关的数据库信息。