AI-Database-Query-Assistant ：一个基于 Streamlit 的系统，结合 OpenAI GPT-3.5 与 ChromaDB 向量数据库，实现文本向 SQL 查询转化，可作为自建参考框架。
GitHub 上 Paulisure（Paul Loupe）所维护的开源项目 AI-Database-Query-Assistant。这是一个示范如何将自然语言转成 SQL 查询、并通过一个交互界面运行的实用工具。
项目概览
该项目旨在构建一个 自然语言 → SQL 查询系统，并集成了以下技术组件：
- 利用 OpenAI 的 GPT-3.5 模型将用户的自然语言请求转换成 SQL 查询语句。
- 使用 ChromaDB 作为向量数据库，用于历史查询的相似性检索。
- 前端界面采用 Streamlit 框架，以便用户通过网页形式交互。
主要功能亮点
- 自然语言查询处理：用户输入普通的英文问题，例如“Who are the top 5 customers by total purchase amount?”，系统会自动生成对应的 SQL 查询。
- 向量相似度检索：通过 ChromaDB，系统能够查找与当前输入语句相似的历史查询，提升生成结果的准确性与一致性。
- 交互式网页展示：使用 Streamlit 构建的界面让用户操作更加直观，支持输入问题、查看结果、甚至自动生成图表可视化。
- 自动可视化：查询结果可通过 Plotly Express 实现实时图表展示，体验更友好。
- 样例查询库：包括诸如“哪个流派创收最多”“按国家计算平均发票金额”等示例，以帮助用户快速上手。
技术栈与使用方式
| 技术 | 用途 |
|---|---|
| GPT-3.5 | 将自然语言转为 SQL |
| ChromaDB | 向量数据库，支持相似查询检索 |
| Streamlit | 用于构建网页交互界面 |
| Plotly Express | 用于生成数据可视化图表 |
| SQLite（Chinook 数据库） | 作为后端数据库，架构包含客户、艺术家、专辑、音轨、发票等常见表结构，用于查询演示。 |
使用步骤简要：
- 克隆仓库后，在本地创建虚拟环境并安装依赖（
requirements.txt中定义）。 - 配置 OpenAI API key，通过
.streamlit/secrets.toml文件保存。 - 启动应用：
streamlit run streamlit_app.py，在浏览器中访问本地地址：如 http://localhost:8501即可使用该系统。即可使用该系统。
总结
AI-Database-Query-Assistant 是一个让用户通过自然语言与数据库交互的轻量级工具，集成了 GPT-3.5 生成 SQL、ChromaDB 语义检索与 Streamlit 前端展示，并结合 Plotly 实现直观图表。项目结构清晰，适合作为理解自然语言接口数据库查询原理的学习参考。
Github：https://github.com/Paulisure/AI-Database-Query-Assistant
