LangChain

Text-to-SQL-Agent mit LangChain

Erstellen Sie einen Natural-Language-to-SQL-Agenten, der Fragen in Datenbankabfragen umwandelt, validiert und formatierte Ergebnisse liefert — mit LangChain.

SQLdatabaseNL2SQLdata

Funktionierender Code

from langchain_openai import ChatOpenAI
from langchain_core.tools import tool
from langchain_community.utilities import SQLDatabase
from langchain_community.agent_toolkits import SQLDatabaseToolkit

db = SQLDatabase.from_uri("sqlite:///sales.db", sample_rows_in_table_info=3)
toolkit = SQLDatabaseToolkit(db=db, llm=model)
sql_tools = toolkit.get_tools()

model = ChatOpenAI(model="gpt-4o")
model_with_tools = model.bind_tools([sql_tools])
response = model_with_tools.invoke([
    ("system", "You are a SQL analyst. Convert natural language questions into SQL queries. Only use SELECT statements. Limit results to 10 rows."),
    ("user", "Show me top 5 customers by total spending this quarter"),
])

Schritt für Schritt

Abhängigkeiten installieren

Installieren Sie LangChain und die benötigten Tools für diesen Anwendungsfall.

Tools definieren

Erstellen Sie domänenspezifische Tool-Funktionen, die Ihr Agent zur Interaktion mit externen Diensten verwenden wird.

Agent erstellen und ausführen

Initialisieren Sie den LangChain-Agenten mit Ihren Tools, setzen Sie den System-Prompt und führen Sie eine Abfrage aus.

Mit anderen Frameworks bauen

Pydantic AI LangGraph CrewAI Deep Agents

Weitere Anleitungen mit LangChain

Kundensupport-Chatbot mit LangChain RAG-Pipeline mit LangChain Research-Agent mit LangChain Content-Generierungs-Agent mit LangChain

Bereit, mit LangChain zu bauen?

Generieren Sie ein produktionsbereites Projekt mit vorkonfiguriertem LangChain — FastAPI + Next.js, Auth, Streaming und mehr.

Loslegen

Bereit, deinen ersten Produktions-KI-Agenten zu bauen?

Open-Source-Tools, kampferprobte Patterns, null Boilerplate. Konfiguriere deinen Stack und shippe in Minuten — nicht Monaten.

Deine KI-App bauen