NLSQLTableQueryEngine: Interogare în Limbaj Natural peste Baze de Date SQL în LlamaIndex & Data RAG

Sintaxă & invocare Python
query_engine = NLSQLTableQueryEngine(sql_database=sql_database, tables=['vanzari', 'clienti'])

NLSQLTableQueryEngine traduce întrebările puse în limba română în interogări SQL valide (PostgreSQL, MySQL, SQLite, Snowflake), le execută pe serverul de baze de date și sintetizează rezultatul într-un răspuns fluent.

from llama_index.core import SQLDatabase
from llama_index.core.indices.struct_store import NLSQLTableQueryEngine
from sqlalchemy import create_engine

engine = create_engine("postgresql://user:pass@localhost:5432/corp_db")
sql_db = SQLDatabase(engine, include_tables=["comenzi", "produse"])
query_engine = NLSQLTableQueryEngine(sql_database=sql_db)

response = query_engine.query("Care a fost produsul cu cele mai mari vanzari in luna mai?")
print(response)
print("SQL executat:", response.metadata["sql_query"])

Acces facil la date: Permite utilizatorilor non-tehnici să extragă rapoarte complexe fără a scrie o singură linie de cod SQL.

Învață AI • Comunitate & Q&A

Întrebări & Exemple practice: NLSQLTableQueryEngine: Interogare în Limbaj Natural peste Baze de Date SQL

Ai o întrebare despre NLSQLTableQueryEngine: Interogare în Limbaj Natural peste Baze de Date SQL sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!

🤖

Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!

Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.

Comunitate AI Adaugă o întrebare sau distribuie un cod / prompt

Moderare & Siguranță:

Pentru a menține calitatea și securitatea informațiilor, fiecare întrebare sau fragment de cod/prompt este analizat (manual sau prin moderare asistată de AI) înainte de publicare.