去年（24年）就有了AI+BI（通过文本/提示词生成SQL以至于自动创建图表）的想法，后来因为种种原因被耽搁，然后今年市场上就出来了各种各样的“AI问数”产品，当然大部分是大厂的收费产品（比如百度的SugarBI）。

这两天看到一个开源项目SQLBot，也是实现类似的AI问数功能，于是尝试了一番，下面把安装体验过程和使用感受记录于此，供大家参考。

一、开源项目介绍

SQLBot 是一款基于大模型和 RAG 的智能问数系统。SQLBot 的优势包括：

• 开箱即用: 只需配置大模型和数据源即可开启问数之旅，通过大模型和 RAG 的结合来实现高质量的 text2sql；
• 易于集成: 支持快速嵌入到第三方业务系统，也支持被 n8n、MaxKB、Dify、Coze 等 AI 应用开发平台集成调用，让各类应用快速拥有智能问数能力；
• 安全可控: 提供基于工作空间的资源隔离机制，能够实现细粒度的数据权限控制。
• 产品框架：

• 

二、下载安装

（1）使用docker安装

准备一台 Linux 服务器，执行以下一键安装脚本。
在运行 SQLBot 前，请确保已安装好 Docker 和 Docker Compose。

# 创建目录
mkdir -p /opt/sqlbot
cd /opt/sqlbot

# 下载 docker-compose.yaml
curl -o docker-compose.yaml https://raw.githubusercontent.com/dataease/SQLBot/main/docker-compose.yaml

# 启动服务
docker compose up -d

（2）使用源码本地运行

从Gitee下载源码：源码地址

三、部署采坑记录

使用docker安装很简单，这里不做记录。考虑到我的一些客户不让用docker部署，所以这里重点记录使用源码运行系统过程中遇到的一些问题：

1、下载源码到本地

这是下载后的源码目录结构，其中：

backend:为后端代码

frontend:为前端代码

config.py为项目关键配置，包括文件存储目标，数据库连接信息，

这个文件在：backend\common\core\config.py

2、安装数据库

sqlbot这个项目使用postgresql数据库，所以本地需要先安装一下pgsql库，安装后，创建一个名为sqlbot的实例（空库就可以，系统启动后会初始化表结构）。

pgsql安装好后，需要再安装一下向量库插件（估计是用到了向量检索），安装过程这里不做详细描述了，可以参考这个帖子。（这个过程比较繁琐，可能还需要安装visual studio，细心安装）

3、准备启动后端服务

数据库安装好之后，记得修改上边提到的config.py文件里的数据库IP 端口、账号、密码。

进入backend目录，在cmd窗口下先安装项目依赖，建议使用uv工具（uv 是一个快速的Python包管理器，推荐使用它来安装依赖，可以自动识别依赖对象的版本，手工安装可能会出各种各样的依赖版本问题）

pip install uv

uv安装好之后执行uv sync，完成依赖同步。

uv sync

此时，还不能执行启动后台程序，需要激活虚拟环境，进入.venv目录（uv sync后生成的目录）执行激活

.\.venv\Scripts\Activate.ps1

.\.venv\Scripts\activate.bat

激活后就可以执行启动命令了

python main.py

如果出现下面的界面，就说明后台服务启动正常了。

4、安装前端依赖

注意nodejs版本，经测试16不行会有问题，更新到22就可以了。

执行npm install安装相关依赖。

npm install

5、启动前台服务

执行npm run dev启动前台服务，出现如下服务，服务就正常起来了。

npm run dev

四、体验及感受

服务启动后，系统地址与账号密码：

在浏览器中打开: http://localhost:5173/
用户名: admin
密码: SQLBot@123456

登录后，可以设置 大模型及key，然后连接数据源，选择可以查询的范围（表）。就可以正常使用了。这个过程就不在此描述了。

安装后，简单做了几个测试：

(1)上来就给出了“推荐问题”，挺好的。好的问题才会有好的答案。只不过等待时间略长，大概用了20来秒。（数据库表范围勾选了37张）

（2）问第二个问题，报错了。原因应该是生成的sql里有一个字段不存在。说明AI生成SQL还是会产生“幻觉”。

知道问题后，在对话窗中，描述正确的字段。然后就能生成正确的SQL及图表了。

（3）试了单表查询后，试一试多表联查。

会返回报错，查看错误提示，仍然是sql生成的不对。

通过对话，告诉他正确的字段在哪些表上，就可以生成正确的SQL及图表了。

综上，结论如下：

整体效果还可以，对于有开发基础，或者懂一些sql的，出图问题不大。

速度受限于查询的数据库表范围以及系统配置、网络，可能会稍慢。

目前这个项目应该没有 将“问答内容”进行“标注”的功能，所以一些对数据库的调整优化的内容只会存在于当前会话里，并不能实现“越用越好用”的状态，期待后续版本的实现。

这个系统生成SQL的准确性 与 数据库的schemas关系非常大，要想生成的准确，需要做好对表的注释、字段的注释，尤其是外键字段的注释，描述清楚其含义及用途。

五、致谢

SQLBot由飞致云开源，在此感谢。