基于大模型和 RAG 的智能 Text2SQL 问答系统
SQLBot（SQL-RAG-QABot）是一款结合大模型与检索增强生成（RAG）技术的智能 Text2SQL 工具。它的核心能力是将自然语言问题自动转换为数据库可执行的 SQL 语句，执行查询后生成图表和分析结果。这意味着用户无需编写复杂的代码，仅通过对话即可获取数据洞察。
除了基础的查询功能，系统还支持对结果进行进一步的分析、解释、验证和预测。它支持开箱即用，配置好模型和数据源即可运行，同时也具备较强的集成能力，可作为组件嵌入第三方业务系统，或对接 n8n、Dify 等 AI 平台。
核心优势
- 精准问数：结合 RAG 技术优化上下文理解，提升 Text2SQL 的准确率。
- 安全可控：提供基于工作空间的资源隔离机制，支持细粒度的数据权限控制。
- 灵活集成：易于嵌入现有业务流，快速赋予应用智能数据交互能力。
部署指南
环境准备
确保服务器已安装 Docker 和 Docker Compose。推荐使用 Linux 环境。
一键安装
在服务器上创建目录并拉取配置文件，启动服务。
# 创建目录
mkdir -p /opt/sqlbot
cd /opt/sqlbot
# 下载 docker-compose.yaml
curl -o docker-compose.yaml https://raw.githubusercontent.com/dataease/SQLBot/main/docker-compose.yaml
# 启动服务
docker compose up -d
访问方式
部署完成后，通过浏览器访问以下地址：
- 地址:
http://<你的服务器 IP>:8000/ - 默认用户名:
admin - 默认密码:
SQLBot@123456
登录后可进入可视化界面，像聊天一样向数据库提问。
使用体验
在 Q&A 界面输入自然语言问题，系统会自动解析意图并生成对应的 SQL 语句。以下是典型的交互流程示意：
界面直观展示了从提问到 SQL 生成再到结果展示的全过程，适合开发者、数据分析师及业务人员快速获取数据。
总结
SQLBot 提供了一个低门槛的数据查询解决方案，兼顾了易用性与安全性。对于希望利用大模型构建数据分析助理的团队或个人，这是一个值得尝试的基础架构。后续可以在此基础上扩展更复杂的数据应用场景。