起因

之前公司的业务人员，经常会拿几个excel给我，希望我帮他们做些过滤。而我一般的操作都是，把excel导入到数据库不同的表中。通过sql进行关联查询，并过滤出结果。再导出excel给他们。因为处理的多了，所以想着做成一个工具，节省导入导出数据库的操作。

现在也集成了大模型，可以将自然语言转换成SQL，再进行数据查询。

地址如下，大家可以体验下：点它-->数据核心表格应用

使用说明

登录

点击登录按钮，输入账号和密码，进行登录。如果没有账号，会自动创建账号。

上传Excel

登录后，在左侧区域上传文件。

编写查询语句

编写查询语句，并执行。在弹出窗口中选择相关的表。就可以看到结果。

修改SQL

生成的SQL不满意，可以直接修改SQL，并执行。

硬货

以下是主要代码,这里使用的是Rust语言。

主方法逻辑如下：获取前端的参数，根据table id 获取对应的表定义。再调用大模型生成sql。最后根据获取的sql,检索出结果，并返回。

pub async fn nature_search(claims: Claims, Json(po): Json<NatureSearchPO>) -> Json<CommonResult<NatureSearchRetPO>> {
    let mut ret = NatureSearchRetPO::default();
    let schema = claims.get_schema();
    // 获取table定义
    let ddls :Vec<String> = search_ddl(&po.table_ids,schema.as_str()).await;

    // 调用sqlcoder 获取sql
    let sql = get_sql(&po.text,&ddls).await;
    info!("sql: {}", sql);
    // 执行sql
    let vs:Vec<Value> = exec_sql(&sql, schema.as_str()).await;
    ret.sql = sql;
    ret.data = vs;
    Json(CommonResult::success(ret))
}

get_sql方法，接收用户输入和DDL，调用大模型，获取sql。

async fn get_sql(text: &String, ddls: &Vec<String>) -> String {
    let ddl_str = ddls.join("\n");
    let question = format!("## Task\r\nGenerate a SQL query to answer the following question:\r\n`{text}`\r\n\r\n### Database Schema\r\nThe query will run on a database with the following schema:\r\n{ddl_str}\n\r\n\r\n### Context\r\n\r\n### SQL\r\nGiven the database schema, here is the SQL query that answers `{text}`:\r\n```sql");
    let sql = crate::data::services::llm::llm_sqlcoder::get_sql_from_sqlcoder(&question).await.unwrap();
    sql
}