#RAG##AIGC#开源 VannaSQL生成框架，与您的数据库聊天

Vanna是麻省理工学院授权的开源Python RAG（检索增强生成）框架，用于SQL生成和相关功能。
请添加图片描述

Vanna的工作原理

Vanna只需两个简单的步骤——在数据上训练RAG“模型”，然后提出问题，这些问题将返回SQL查询，这些查询可以设置为在数据库上自动运行。

根据您的数据训练RAG“模型”。
提出问题。

如果你不知道什么是RAG，不要担心——你不需要知道它是如何在引擎盖下使用的。你只需要知道你“训练”了一个模型，它存储了一些元数据，然后用它来“提问”问题。

有关如何在引擎盖下工作的更多详细信息，请参见基类。

用户接口

这些是我们使用Vanna构建的一些用户界面。您可以按原样使用这些，也可以将其作为自己自定义界面的起点。
Jupyter Notebook
vanna-ai/vanna-streamlit
vanna-ai/vanna-flask
vanna-ai/vanna-slack

开始

有关所需数据库、LLM等的详细信息，请参阅文档。
如果您想在训练后感受一下它的工作原理，可以尝试这款 Colab 笔记本。

安装

pip install vanna

import

import vanna as vn

训练

您可能需要也可能不需要运行这些 vn.train 命令，具体取决于您的用例。请参阅文档了解更多详细信息。这些陈述可以让您了解它是如何工作的。

使用DDL语句进行训练

DDL 语句包含有关数据库中的表名、列、数据类型和关系的信息。

vn.train(ddl="""
    CREATE TABLE IF NOT EXISTS my-table (
        id INT PRIMARY KEY,
        name VARCHAR(100),
        age INT
    )
""")

使用文档进行训练

有时您可能想要添加有关业务术语或定义的文档。
vn.train(documentation="Our business defines XYZ as ...")

使用 SQL 进行训练

您还可以将SQL查询添加到训练数据中。如果您已经有一些查询，这将非常有用。您只需从编辑器中复制并粘贴这些内容即可开始生成新的SQL。
vn.train(sql="SELECT name, age FROM my-table WHERE name = 'John Doe'")
你会得到 SQL

SELECT c.c_name as customer_name,
        sum(l.l_extendedprice * (1 - l.l_discount)) as total_sales
FROM   snowflake_sample_data.tpch_sf1.lineitem l join snowflake_sample_data.tpch_sf1.orders o
        ON l.l_orderkey = o.o_orderkey join snowflake_sample_data.tpch_sf1.customer c
        ON o.o_custkey = c.c_custkey
GROUP BY customer_name
ORDER BY total_sales desc limit 10;

如果您已连接到数据库，您将获得该表：

顾客姓名	总销售额
Customer#000143500	6757566.0218
Customer#000095257	6294115.3340
Customer#000087115	6184649.5176
Customer#000131113	6080943.8305
Customer#000134380	6075141.9635
Customer#000103834	6059770.3232
Customer#000069682	6057779.0348
Customer#000102022	6039653.6335
Customer#000098587	6027021.5855
Customer#000064660	5905659.6159

您还将获得一个自动绘图：
请添加图片描述

RAG 与微调

RAG 检索增强生成技术
· 可跨LLM移植
· 如果培训数据中的任何一个已过时，则可以轻松删除这些数据
· 运行起来比微调便宜得多
· 更经得起未来考验——如果有更好的LLM问世，你可以把它换掉

FT 微调
· 如果您需要在提示中最小化令牌，这很好
· 起步缓慢
· 训练和运行费用高昂（通常）

为什么是Vanna？

在复杂数据集上具有高精度。
· Vanna的能力与您提供的训练数据息息相关
· 更多的训练数据意味着大型复杂数据集的准确性更高
安全且私密。
· 您的数据库内容永远不会发送到LLM或矢量数据库
· SQL执行发生在您的本地环境中
自学。
· 如果通过Jupyter使用，您可以选择在成功执行的查询上“自动训练”它
· 如果通过其他界面使用，则可以让界面提示用户提供对结果的反馈
· 存储正确的问题到SQL对以供将来参考，并使将来的结果更加准确
支持任何SQL数据库。
· 该包允许您连接到任何SQL数据库，否则您可以使用Python连接到这些数据库
选择你的前端。
· 大多数人从Jupyter笔记本开始。
· 通过Slackbot、web应用程序、Streamlight应用程序或自定义前端向您的最终用户展示。