❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！
🥦 微信公众号｜搜一搜：蚝油菜花 🥦
🚀 快速阅读
- 功能：基于大型语言模型自动生成 SQL 查询。
- 技术：结合检索增强技术（RAG）提高查询准确性。
- 支持：兼容多种 LLMs 和 SQL 数据库。
正文（附运行示例）
Vanna 是什么
Vanna 是一个开源的 Python RAG（Retrieval-Augmented Generation）框架，旨在帮助用户基于大型语言模型（LLMs）为其数据库生成精确的 SQL 查询。Vanna 通过两步简单流程操作：首先在用户数据上训练 RAG 模型，然后基于提问生成可在数据库上执行的 SQL 查询。
Vanna 支持多种 LLMs、向量数据库和 SQL 数据库，提供高准确性查询，同时确保数据库内容安全私密，不外泄。Vanna 还支持自定义前端界面，支持用户用反馈自我学习，提高查询准确性。
Vanna 的主要功能
- SQL 查询生成：基于大型语言模型（LLMs）根据用户的问题自动生成 SQL 查询。
- 检索增强：基于检索增强技术（RAG）结合生成模型，提高查询的准确性。
- 多数据库支持：支持连接多种 SQL 数据库，如 PostgreSQL、MySQL 等。
- 多 LLMs 支持：兼容多个 LLMs，包括 OpenAI、Anthropic 等。
- 向量存储集成：与多种向量数据库集成，如 AzureSearch、PgVector 等。
- 用户界面：提供多种用户界面选项，包括 Jupyter Notebook、Streamlit、Flask 和 Slack。
Vanna 的技术原理
- 检索增强生成（RAG）：基于 RAG 技术，一种结合检索（从大量数据中检索相关信息）和生成（基于检索到的信息生成输出）的方法。让 Vanna 更准确地理解和响应用户的问题。
- 大型语言模型（LLMs）：Vanna 依赖于 LLMs 理解和生成自然语言。模型经过预训练，能理解语言的复杂性和上下文。
- 向量数据库：Vanna 用向量数据库存储和检索与用户问题相关的信息。数据库能高效地处理和比较大量的数据点。
- 训练与微调：用户基于提供 DDL 语句、文档和 SQL 查询训练 Vanna，使其更好地理解和响应特定于业务的查询。
- 自动化 SQL 执行：Vanna 生成的 SQL 查询能自动在用户的数据库上执行，无需人工干预。
如何运行 Vanna
安装
pip install vanna
导入
from vanna.openai.openai_chat import OpenAI_Chat
from vanna.chromadb.chromadb_vector import ChromaDB_VectorStore
class MyVanna(ChromaDB_VectorStore, OpenAI_Chat):
def __init__(self, config=None):
ChromaDB_VectorStore.__init__(self, config=config)
OpenAI_Chat.__init__(self, config=config)
vn = MyVanna(config={
'api_key': 'sk-...', 'model': 'gpt-4-...'})
训练
vn.train(ddl="""
CREATE TABLE IF NOT EXISTS my-table (
id INT PRIMARY KEY,
name VARCHAR(100),
age INT
)
""")
vn.train(documentation="Our business defines XYZ as ...")
vn.train(sql="SELECT name, age FROM my-table WHERE name = 'John Doe'")
提问
vn.ask("What are the top 10 customers by sales?")
资源
- 项目官网：https://vanna.ai/docs
- GitHub 仓库：https://github.com/vanna-ai/vanna
- 文档：https://vanna.ai/docs/
- Discord 支持群组：https://discord.gg/qUZYKHremx
❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！
🥦 微信公众号｜搜一搜：蚝油菜花 🥦
