Vanna：基于 RAG 的自然语言对话 SQL 数据库框架

初始化配置 Vanna 的初始化需指定 LLM 实现与向量存储实现，通过继承对应类构建自定义 Vanna 实例。以 OpenAI GPT + ChromaDB 为例，核心代码如下。

1. 导入对应 LLM 与向量存储的实现类

from vanna.openai.openai_chat import OpenAI_Chat
from vanna.chromadb.chromadb_vector import ChromaDB_VectorStore

2. 自定义 Vanna 类，继承两个实现类

class MyVanna(ChromaDB_VectorStore, OpenAI_Chat):
    def __init__(self, config=None):
        # 初始化向量存储（ChromaDB）
        ChromaDB_VectorStore.__init__(self, config=config)
        # 初始化 LLM（OpenAI）
        OpenAI_Chat.__init__(self, config=config)

3. 配置参数，传入 OpenAI API 密钥与模型名

config = {
    "api_key": "sk-你的 OpenAI API 密钥",  # 替换为实际密钥
    "model": "gpt-4",  # 可选 gpt-3.5-turbo、gpt-4-turbo 等
    "chroma_db_path": "./vanna_chromadb"  # ChromaDB 本地存储路径
}

4. 创建 Vanna 实例

vn = MyVanna(config=config)

模型训练 初始化完成后，需根据企业数据环境补充训练数据，核心训练命令如下：

3.1 DDL 训练，导入数据库表结构，以电商场景的 order 表为例：

vn.train(ddl=""" CREATE TABLE IF NOT EXISTS orders (
    order_id INT PRIMARY KEY,
    customer_id INT,
    order_date DATE,
    amount DECIMAL(10,2),
    status VARCHAR(20), -- 'paid'/'unpaid'/'cancelled'
    FOREIGN KEY (customer_id) REFERENCES customer(id)
)""")

3.2 业务文档训练，补充订单相关的业务定义

vn.train(documentation="""
4. 有效订单：status 为'paid'且未取消的订单，order_date 不为 NULL；
5. 客单价：有效订单的 amount 平均值，按 customer_id 分组计算；
6. 月度 GMV：当月所有有效订单的 amount 总和，不含退款金额。
""")

3.3 历史 SQL 训练，导入数据团队已有的 GMV 查询 SQL：

vn.train(sql=""" SELECT DATE_TRUNC('month', order_date) AS month, SUM(amount) AS monthly_gmv FROM orders WHERE status = 'paid' GROUP BY month ORDER BY month DESC """)

训练无固定次数要求，建议初期导入核心表的 DDL 与关键业务文档，后续通过'自学习'逐步补充，避免一次性导入过多冗余数据影响检索精度。

查询与结果交互 训练完成后，即可通过 vn.ask() 方法实现自然语言查询，示例如下：

result = vn.ask("2025 年第一季度各月 GMV 是多少")

系统会先返回生成的 SQL：

SELECT DATE_TRUNC('month', order_date) AS month, SUM(amount) AS monthly_gmv FROM orders WHERE status='paid' AND order_date BETWEEN '2025-01-01' AND '2025-03-31' GROUP BY month ORDER BY month