从零开始：在魔搭平台构建AI First的SQL生成应用，让数据库查询变得如此简单！💻

引言：AI First与魔搭的完美融合

在当今的AI开发浪潮中，"AI First"理念正在重塑我们的开发方式。正如学习笔记中提到的，我们不再仅仅把AI作为应用的附加功能，而是将其作为应用的核心驱动力。今天，我将带大家体验如何在**魔搭(ModelScope)**平台上，从零开始构建一个AI First的自然语言生成SQL应用，让数据库查询变得如此简单！✨

🌟 魔搭平台小贴士：魔搭是阿里云于2022年在云栖大会推出的AI大模型开源社区，定位为聚焦多模态AI模型的开源平台，提供从模型训练到部署的全流程服务。截至2025年2月，魔搭社区已汇聚超4.5万个开源模型和5500余项MCP服务，服务全球200余个国家超过2000万用户。

---

为什么选择魔搭？🚀

魔搭平台提供了无与伦比的开发体验，让我们从零开始构建应用：

✅ 开箱即用：预配置的开发环境，无需安装依赖
✅ 模型丰富：数千个高质量开源模型，直接调用无需训练
✅ 生态完善：无缝对接阿里云PAI、函数计算等基础设施
✅ 社区强大：280万开发者社区，遇到问题快速解决

在魔搭平台上，我们能直接使用阿里云的算力和模型资源，让开发变得如此简单。下面，让我们一步步体验如何在魔搭上构建一个自然语言生成SQL的应用。

---

实战：在魔搭中构建SQL生成应用

1️⃣ 创建魔搭Notebook

为什么重要：魔搭Notebook是魔搭平台的核心功能，它提供了交互式的开发环境，无需配置本地环境，一键启动即可开始编码。

操作步骤：

1. 访问魔搭官网，申请魔搭账号
2. 在左侧边栏点击 “我的Notebook”
3. 启动 “CPU环境”
4. 点击 “Notebook 下 Python3(ipykernel)”

具体操作步骤如下图所示：

接下来就可以编写Python代码了

💡 小技巧：魔搭Notebook默认提供GPU环境，对于AI应用开发非常友好，无需额外配置。

2️⃣ 创建数据库（SQLite）

import sqlite3

# 创建数据库连接
conn = sqlite3.connect("employee.db")
cursor = conn.cursor()

# 创建表
cursor.execute("""
CREATE TABLE IF NOT EXISTS employees (
    id INTEGER PRIMARY KEY,
    name TEXT,
    department TEXT,
    salary INTEGER
)
""")

# 插入测试数据
sample_data = [
    (1, "张三", "开发部", 32000),
    (2, "李四", "销售部", 22000),
    (3, "王五", "开发部", 34000),
    (4, "赵六", "销售部", 12000)
]
cursor.executemany('INSERT INTO employees VALUES (?,?,?,?)', sample_data)
conn.commit()

代码解释：

• sqlite3.connect("employee.db")：创建SQLite数据库连接
• cursor.execute()：执行SQL语句
• CREATE TABLE IF NOT EXISTS：如果表不存在则创建
• executemany()：批量插入多条记录
• conn.commit()：提交事务，确保数据写入数据库

💡 为什么用SQLite：SQLite是轻量级嵌入式数据库，无需单独安装，非常适合开发和测试环境。

3️⃣获取数据库Schema

# 获取数据库Schema
schema = cursor.execute("PRAGMA table_info(employees)").fetchall()
schema_str = "CREATE TABLE EMPLOYEES (\n" + "\n".join([f"{col[1]} {col[2]}" for col in schema]) + "\n)"
print("数据库Schema:")
print(schema_str)

代码解释：

• PRAGMA table_info(employees)：获取表的元信息（列名、数据类型等）
• fetchall()：获取所有元信息
• schema_str：构建可读的数据库Schema字符串

输出结果：

数据库Schema:
CREATE TABLE EMPLOYEES (
id INTEGER
name TEXT
department TEXT
salary INTEGER
)

📌 关键点：AI模型需要了解数据库结构才能生成正确的SQL，因此获取并提供Schema是关键步骤。

4️⃣使用魔搭模型生成SQL

from openai import OpenAI

# 初始化客户端（魔搭支持的DeepSeek模型）
client = OpenAI(
    base_url="https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation",
    api_key="YOUR_API_KEY"  # 在魔搭获取API Key
)

def generate_sql(query, schema):
    prompt = f"""
    这是一个数据库的Schema:
    {schema}
    根据这个Schema，你能输出一个SQL查询来回答以下问题吗？
    只输出SQL查询，不要输出任何其他内容，也不要带任何格式。
    问题：{query}
    """
    
    response = client.chat.completions.create(
        model="qwen-max",  # 魔搭平台支持的模型
        messages=[{"role":"user", "content":prompt}]
    )
    return response.choices[0].message.content

# 生成SQL查询
question = "开发部部门员工的姓名和工资是多少？"
sql_query = generate_sql(question, schema_str)
print("生成的SQL查询:")
print(sql_query)

代码解释：

• base_url：魔搭API的URL，使用阿里云的DashScope服务
• api_key：在魔搭控制台获取的API密钥
• model="qwen-max"：魔搭平台支持的通义千问最大版本模型
• prompt：提示词工程，指导模型生成SQL
• messages：对话历史，指定AI的角色和任务

输出结果：

生成的SQL查询:
SELECT name, salary FROM employees WHERE department = '开发部';

💡 为什么用Qwen模型：Qwen是阿里云自研的超大规模语言模型，特别适合中文场景，对数据库Schema的理解能力很强。

5️⃣执行SQL查询

# 执行生成的SQL
cursor.execute(sql_query)
results = cursor.fetchall()
print("查询结果:")
for row in results:
    print(row)

代码解释：

• cursor.execute()：执行SQL查询
• fetchall()：获取所有查询结果
• for row in results：遍历并打印结果

输出结果：

查询结果:
('张三', 32000)
('王五', 34000)

---

实际应用场景：AI First的无限可能

在魔搭平台上，我们可以轻松构建各种AI First应用：

1. 智能客服系统：用户说"查一下我的订单状态"，AI自动调用数据库获取信息
2. 数据分析工具：业务人员说"统计一下销售部员工的平均工资"，AI自动生成SQL并返回结果
3. 电商应用：用户说"帮我找500-1000元的手机"，AI自动生成SQL查询并返回产品列表

🌟 魔搭小技巧：在魔搭平台的"应用市场"中，你可以找到大量现成的AI应用模板，直接修改使用，无需从零开始。

---

结语：拥抱魔搭，拥抱AI First

魔搭不仅是一个模型平台，更是AI First开发的起点。它让开发者能够专注于应用创新，而不是基础环境配置。在魔搭平台上，我们能轻松实现：

• 从自然语言到SQL的无缝转换
• 快速构建AI应用原型
• 无缝对接阿里云基础设施

“AI First不是口号，而是我们开发的起点。在魔搭平台上，让AI成为你应用的驱动力。” 💡

现在，就登录魔搭，开始你的AI First之旅吧！✨