用 Python 把 DeepSeek/Kimi/Claude 变成“数据库助理”：自然语言提问，自动生成 SQL+可视化

摘要： 在数据驱动的时代，SQL 即使再强大，对于非技术人员来说也是一道难以逾越的高墙。如果能让产品经理、运营人员甚至 CEO 直接用自然语言询问：“上个月销售额最高的前三个产品是什么？”，然后系统自动生成 SQL，查询数据库，甚至直接画出图表，岂不是效率爆炸？ 本文将带你深入实战，使用 Python 结合当下最强的 LLM（DeepSeek / Kimi / Claude），手把手通过 6000+ 字的硬核教程，构建一个“智能数据库助理”。我们将涵盖从 Prompt 提示词工程、Schema 注入、SQL 自愈修正，到自动数据可视化的全链路实现。拒绝“玩具”代码，直接对标生产级应用！

目录

1. 引言：当 LLM 遇见数据库

1.1 痛点：数据取用的“最后一公里”

在企业的日常运营中，数据库（Database）是绝对的信息核心。然而，数据库与决策者之间，往往隔着一层厚厚的“技术壁垒”。如果业务人员想看数据，通常的流程是这样的：

这个过程通常耗时数小时到数天。而我们希望的，是 Real-time (实时)。

大语言模型（LLM）的出现，为解决通过自然语言操作结构化数据（Text-to-SQL）提供了前所未有的可能性。传统的 Text-to-SQL 模型往往局限于特定语法，而 LLM 凭借强大的语义理解能力，可以真正通过上下文“理解”你的意图，并写出非常复杂的 Query。

1.2 为什么是 DeepSeek / Kimi / Claude？

在 ChatGPT 掀起浪潮之后，国产大模型和 Claude 系列迅速崛起。在代码生成（Coding）和逻辑推理（Reasoning）领域，这三位选手表现尤为出色：

• DeepSeek (V2/V3/Coder)：国产之光，在代码生成 benchmark 上表现惊人，尤其是 SQL 这种逻辑严密的代码，且 API 成本极具优势。
• Kimi (Moonshot AI)：长上下文（Long Context）是其杀手锏。当你的数据库 Schema 非常庞大（几百张表，几万个字段）时，Kimi 能够一次性吃透整个上下文，这是很多短 Context 模型做不到的。
• Claude 3.5 Sonnet：目前的“代码之神”，逻辑极其细腻，生成的 SQL 往往不仅正确，而且性能优化（如索引使用、子查询优化）都做得很好，适合处理极复杂的嵌套查询。

本文的代码架构将设计为模型中立，你可以通过配置一键切换这三个强大的引擎。

1.3 我们要实现什么？

我们将构建一个 Python 工具库 + Web 界面，功能如下：

2. 架构设计与技术栈

2.1 系统架构图

为了让大家对整体流程有个清晰的认知，我们先来看一下系统架构设计。

#mermaid-svg-LGT8LiCriBmHsrFU{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-LGT8LiCriBmHsrFU .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-LGT8LiCriBmHsrFU .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-LGT8LiCriBmHsrFU .error-icon{fill:#552222;}#mermaid-svg-LGT8LiCriBmHsrFU .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-LGT8LiCriBmHsrFU .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-LGT8LiCriBmHsrFU .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-LGT8LiCriBmHsrFU .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-LGT8LiCriBmHsrFU .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-LGT8LiCriBmHsrFU .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-LGT8LiCriBmHsrFU .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-LGT8LiCriBmHsrFU .marker{fill:#333333;stroke:#333333;}#mermaid-svg-LGT8LiCriBmHsrFU .marker.cross{stroke:#333333;}#mermaid-svg-LGT8LiCriBmHsrFU svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-LGT8LiCriBmHsrFU p{margin:0;}#mermaid-svg-LGT8LiCriBmHsrFU .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-LGT8LiCriBmHsrFU .cluster-label text{fill:#333;}#mermaid-svg-LGT8LiCriBmHsrFU .cluster-label span{color:#333;}#mermaid-svg-LGT8LiCriBmHsrFU .cluster-label span p{background-color:transparent;}#mermaid-svg-LGT8LiCriBmHsrFU .label text,#mermaid-svg-LGT8LiCriBmHsrFU span{fill:#333;color:#333;}#mermaid-svg-LGT8LiCriBmHsrFU .node rect,#mermaid-svg-LGT8LiCriBmHsrFU .node circle,#mermaid-svg-LGT8LiCriBmHsrFU .node ellipse,#mermaid-svg-LGT8LiCriBmHsrFU .node polygon,#mermaid-svg-LGT8LiCriBmHsrFU .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-LGT8LiCriBmHsrFU .rough-node .label text,#mermaid-svg-LGT8LiCriBmHsrFU .node .label text,#mermaid-svg-LGT8LiCriBmHsrFU .image-shape .label,#mermaid-svg-LGT8LiCriBmHsrFU .icon-shape .label{text-anchor:middle;}#mermaid-svg-LGT8LiCriBmHsrFU .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-LGT8LiCriBmHsrFU .rough-node .label,#mermaid-svg-LGT8LiCriBmHsrFU .node .label,#mermaid-svg-LGT8LiCriBmHsrFU .image-shape .label,#mermaid-svg-LGT8LiCriBmHsrFU .icon-shape .label{text-align:center;}#mermaid-svg-LGT8LiCriBmHsrFU .node.clickable{cursor:pointer;}#mermaid-svg-LGT8LiCriBmHsrFU .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-LGT8LiCriBmHsrFU .arrowheadPath{fill:#333333;}#mermaid-svg-LGT8LiCriBmHsrFU .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-LGT8LiCriBmHsrFU .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-LGT8LiCriBmHsrFU .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-LGT8LiCriBmHsrFU .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-LGT8LiCriBmHsrFU .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-LGT8LiCriBmHsrFU .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-LGT8LiCriBmHsrFU .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-LGT8LiCriBmHsrFU .cluster text{fill:#333;}#mermaid-svg-LGT8LiCriBmHsrFU .cluster span{color:#333;}#mermaid-svg-LGT8LiCriBmHsrFU div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-LGT8LiCriBmHsrFU .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-LGT8LiCriBmHsrFU rect.text{fill:none;stroke-width:0;}#mermaid-svg-LGT8LiCriBmHsrFU .icon-shape,#mermaid-svg-LGT8LiCriBmHsrFU .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-LGT8LiCriBmHsrFU .icon-shape p,#mermaid-svg-LGT8LiCriBmHsrFU .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-LGT8LiCriBmHsrFU .icon-shape rect,#mermaid-svg-LGT8LiCriBmHsrFU .image-shape rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-LGT8LiCriBmHsrFU .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-LGT8LiCriBmHsrFU .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-LGT8LiCriBmHsrFU :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

核心处理引擎

自然语言提问

1. 提问 + Schema

获取 Schema 结构

Prompt

生成 SQL

2. 待执行 SQL

检查/修正

3. 执行 SQL

返回数据 DataFrames

4. 数据 + 意图

生成绘图代码

返回 Python Code

执行绘图

用户 – User

应用层 – CLI/Web

SQL 生成器 – Generator

数据库 – SQLite/MySQL

LLM – DeepSeek/Kimi/Claude

执行安全层 – Executor

可视化引擎 – Visualizer

图表对象 – Charts

2.2 核心技术栈选择

• 编程语言: Python 3.10+ (类型提示支持完善)
• LLM 交互: openai (DeepSeek/Kimi 均兼容 OpenAI 格式), anthropic (Claude)
• 数据处理: pandas (处理查询结果)
• 数据库: sqlite3 (演示方便，无需额外安装), 并在文中说明如何切换 pymysql / psycopg2。
• 可视化: matplotlib / seaborn。
• Web 框架: streamlit (最快落地数据应用的框架)。

2.3 环境搭建与准备

首先，确保你的 Python 环境干净。建议使用 Conda 或 Venv。

# 创建虚拟环境
python -m venv venv
source venv/bin/activate # Mac/Linux
# venv\\Scripts\\activate # Windows

# 安装依赖
pip install pandas openai anthropic matplotlib seaborn streamlit sqlalchemy

我们需要准备一个测试数据库。为了方便演示，我们编写一个脚本，快速创建一个模拟的电商数据库 ecommerce.db。

import sqlite3
import random
from datetime import datetime, timedelta

def init_db():
conn = sqlite3.connect('ecommerce.db')
c = conn.cursor()

# 1. 用户表
c.execute('''CREATE TABLE IF NOT EXISTS users (
user_id INTEGER PRIMARY KEY,
name TEXT,
email TEXT,
signup_date DATE,
region TEXT
)''')

# 2. 产品表
c.execute('''CREATE TABLE IF NOT EXISTS products (
product_id INTEGER PRIMARY KEY,
product_name TEXT,
category TEXT,
price REAL,
stock INTEGER
)''')

# 3. 订单表
c.execute('''CREATE TABLE IF NOT EXISTS orders (
order_id INTEGER PRIMARY KEY,
user_id INTEGER,
order_date DATE,
total_amount REAL,
status TEXT,
FOREIGN KEY(user_id) REFERENCES users(user_id)
)''')

# 4. 订单详情表
c.execute('''CREATE TABLE IF NOT EXISTS order_items (
item_id INTEGER PRIMARY KEY,
order_id INTEGER,
product_id INTEGER,
quantity INTEGER,
subtotal REAL,
FOREIGN KEY(order_id) REFERENCES orders(order_id),
FOREIGN KEY(product_id) REFERENCES products(product_id)
)''')

# … 省略部分数据插入模拟代码 …
# 实际运行时，请自行插入 50-100 条模拟数据，或者使用 Faker 库
print("Database initialized successfully!")
conn.commit()
conn.close()

if __name__ == "__main__":
init_db()

(注：篇幅所限，模拟数据插入代码请读者自行补充，或直接询问 DeepSeek 生成一份 generate_fake_data.py)

3. 核心模块一：构建“超级翻译官” (SQL Generator)

这是我们系统的核心大脑。它的任务是将 Fuzzy（模糊）的自然语言转换为 Strict（精确）的 SQL 语句。

3.1 Prompt Engineering 的艺术：如何让 AI 读懂表结构

直接问 AI “查询销售额” 是不行的，因为它不知道你表里是叫 sales 还是 revenue，是 total_price 还是 amount。我们需要把数据库的 Schema（结构定义） 注入到 Prompt 中。

一个优秀的 System Prompt 应该包含：

3.2 防止幻觉：Schema Injection 实战

如果把整个数据库 schema dump 出来，token 可能会超标。对于大型数据库，建议只提取关键信息。

import sqlite3

def get_schema_summary(db_path):
"""
自动提取数据库的 Create Table 语句摘要，作为给 LLM 的上下文。
"""
conn = sqlite3.connect(db_path)
cursor = conn.cursor()

# 获取所有表名
cursor.execute("SELECT name FROM sqlite_master WHERE type='table';")
tables = cursor.fetchall()

schema_prompt = ""
for table in tables:
table_name = table[0]
# 获取建表语句，这是最准确的 Schema 描述
cursor.execute(f"SELECT sql FROM sqlite_master WHERE type='table' AND name='{table_name}';")
create_stmt = cursor.fetchone()[0]
schema_prompt += f"{create_stmt}\\n\\n"

# 优化：如果是枚举类型或状态字段，最好查询出 distinct values 给 LLM 参考
# 例如 status 字段，LLM 不知道是 'Completed' 还是 'Done'
# 这里为了简单略过，但在生产环境中非常重要

conn.close()
return schema_prompt

3.3 核心代码实现：支持多模型切换

我们将编写一个 SQLGenerator 类，封装 LLM 的调用。为了兼容 OpenAI (DeepSeek/Kimi) 和 Anthropic (Claude)，我们在内部做一个简单的适配。

import os
from openai import OpenAI
from anthropic import Anthropic

class SQLGenerator:
def __init__(self, db_path, model_type="deepseek", api_key=None):
self.db_path = db_path
self.model_type = model_type
self.schema = get_schema_summary(db_path)

if model_type in ["deepseek", "kimi"]:
# DeepSeek 和 Kimi 均兼容 OpenAI SDK
base_url = "https://api.deepseek.com/v1" if model_type == "deepseek" else "https://api.moonshot.cn/v1"
self.client = OpenAI(api_key=api_key, base_url=base_url)
self.model_name = "deepseek-chat" if model_type == "deepseek" else "moonshot-v1-8k"
elif model_type == "claude":
self.client = Anthropic(api_key=api_key)
self.model_name = "claude-3-5-sonnet-20240620"
else:
raise ValueError("Unsupported model type")

def generate_sql(self, natural_query):
"""
核心方法：自然语言 -> SQL
"""
system_prompt = f"""
You are an expert data analyst powered by SQL.
Your task is to generate a VALID SQLite SQL query to answer the user's question.

### Database Schema
{self.schema}

### Constraints and Rules
1. return ONLY the raw SQL query. Do not wrap it in markdown code blocks (```sql … ```).
2. Do not explain your logic. Just the code.
3. Use efficient queries.
4. If the question cannot be answered with the given schema, output "ERROR: Cannot answer".
5. Pay attention to date formatting in SQLite (YYYY-MM-DD).
"""

user_message = f"Question: {natural_query}"

try:
if self.model_type == "claude":
response = self.client.messages.create(
model=self.model_name,
max_tokens=1024,
system=system_prompt,
messages=[{"role": "user", "content": user_message}]
)
sql = response.content[0].text.strip()
else:
response = self.client.chat.completions.create(
model=self.model_name,
messages=[
{"role": "system", "content": system_prompt},
{"role": "user", "content": user_message}
],
temperature=0.1 # 低温模式，保证输出确定性
)
sql = response.choices[0].message.content.strip()

# 简单的后处理，去掉可能存在的 markdown 符号
sql = sql.replace('```sql', '').replace('```', '').strip()
return sql

except Exception as e:
return f"API_ERROR: {str(e)}"

代码解析关键点：