Vanna：用检索增强生成（RAG）技能革新天然语言转SQL

引言：为什么我们必要更智能的SQL生成？

在数据驱动的业务环境中，SQL 仍然是数据分析的核心工具。然而，编写精确的 SQL 查询必要专业知识，而大型语言模子（LLM）直接生成的 SQL 往往存在**幻觉（hallucination）**或不符合业务逻辑的问题。
Vanna 是一个基于 检索增强生成（RAG） 的框架，专门优化天然语言到 SQL 的转换。它联合了 LLM 的强大推理本领和数据库的上下文信息，显著进步了 SQL 生成的准确性。
本文将深入探究：

• Vanna 的核心工作原理
  
• 它怎样比纯 LLM 更可靠
  
• 怎样快速集成到你的数据工作流
  

---

1. Vanna 的核心工作原理

Vanna 的工作流程分为 训练阶段 和 推理阶段，形成一个持续优化的闭环体系。
（1）训练阶段：构建知识库

Vanna 通过以下方式学习你的数据库：

• 数据库模式（DDL）：存储表布局、字段类型、外键关系。
  
  1. vn.train(ddl="CREATE TABLE sales (id INT, product_id INT, amount FLOAT, date TIMESTAMP)")

  复制代码
  1. [/code]
  2. [*] [b]业务规则文档[/b]：定义关键指标（如“贩卖额 = SUM(amount)”）。
  3. [code]vn.train(documentation="销售额是指销售表中 amount 列的总和")

  复制代码
  1. [/code]
  2. [*] [b]汗青查询缓存[/b]：存储已验证的 SQL 及其天然语言问题，形成 QA 对。
  3. [/list] 这些数据会被[b]向量化[/b]并存入向量数据库（如 Chroma、FAISS），供后续检索使用。
  4. [size=3][b]（2）推理阶段：动态生成SQL[/b][/size]
  6. 当用户提问时（如 [i]“2023年贩卖额最高的产品是什么？”[/i]），Vanna 执行以下步骤：
  7. [list=1]
  8. [*] [b]检索相关上下文[/b]
  9. [list]
  10. [*] 使用向量搜索召回：
  11. [list]
  12. [*] 相关表布局（sales 表、products 表）
  13. [*] 业务规则（“贩卖额 = SUM(amount)”）
  14. [*] 类似的汗青查询（SELECT product, SUM(amount) FROM sales GROUP BY product）
  15. [/list]
  16. [/list]
  17. [*] [b]组装Prompt，输入LLM[/b]
  18. [code]你是一个SQL专家。根据以下信息生成查询：
  19. ### 数据库结构：
  20. - sales(id INT, product_id INT, amount FLOAT, date TIMESTAMP)
  21. - products(id INT, name VARCHAR)
  23. ### 业务规则：
  24. - 销售额 = SUM(amount)
  26. ### 类似查询：
  27. - "各产品销售额" → SELECT name, SUM(amount) FROM sales JOIN products ON sales.product_id = products.id GROUP BY name
  29. ### 问题：
  30. 2023年销售额最高的产品是什么？

  复制代码
  1. [/code]
  2. [*] [b]生成并优化SQL[/b]
  3. LLM 返回：
  4. [code]SELECT p.name, SUM(s.amount)
  5. FROM sales s JOIN products p ON s.product_id = p.id
  6. WHERE YEAR(s.date) = 2023
  7. GROUP BY p.name
  8. ORDER BY SUM(s.amount) DESC
  9. LIMIT 1

  复制代码
  1. [/code]
  2. [*] [b]执行或人工考核[/b]
  3. [list]
  4. [*] 可自动执行并返回结果，或由数据团队验证后修正。
  5. [*] 修正后的 SQL 会反馈到训练库，使模子持续改进。
  6. [/list]
  7. [/list]
  8. [size=4]Vanna的工作原理[/size]
  10. Vanna通过两个简单步骤工作：在你的数据上训练一个RAG“模子”，然后提出问题，返回可自动在数据库上运行的SQL查询。
  11. [list=1]
  12. [*][b]对你的数据训练一个RAG“模子”。[/b]
  13. [*][b]提问。[/b]
  14. [/list]  
  15. [align=center][img]https://i-blog.csdnimg.cn/direct/536b60a30e8f44e095837efd02099375.png[/img][/align]
  16. [hr] [size=4][b]2. Vanna vs. 纯LLM：为什么更可靠？[/b][/size]
  18. [table][tr][b]对比维度[/b][b]纯LLM（如ChatGPT）[/b][b]Vanna + RAG[/b][/tr][tr][td][b]范畴知识[/b][/td][td]通用知识，可能不了解你的数据库[/td][td]动态注入表布局、业务规则[/td][/tr][tr][td][b]准确性[/b][/td][td]复杂查询错误率高[/td][td]检索增强减少幻觉，实测提升30-50%[/td][/tr][tr][td][b]可解释性[/b][/td][td]黑箱生成，难以调试[/td][td]可查看检索到的上下文，定位问题[/td][/tr][tr][td][b]持续学习[/b][/td][td]静态模子，无法优化[/td][td]用户反馈闭环，越用越准[/td][/tr][/table] [b]典范案例[/b]：
  20. [list]
  21. [*] [b]纯LLM[/b]：提问“计算客户留存率”可能生成错误的 JOIN 逻辑。
  22. [*] [b]Vanna[/b]：检索业务定义后，生成精确的 SQL（如使用日期差计算留存）。
  23. [/list] [hr] [size=4][b]3. 怎样快速集成Vanna？[/b][/size]
  25. [size=3][b]（1）安装与初始化[/b][/size]
  27. [code]pip install vanna
  28. from vanna.llm.openai import OpenAI_Chat
  29. from vanna.vannadb import VannaDB
  31. vn = Vanna(model=OpenAI_Chat(), db_engine=your_db_connection)

  复制代码
  1. [/code] [size=3][b]（2）训练模子[/b][/size]
  3. [code]# 注入DDL
  4. vn.train(ddl="CREATE TABLE products (id INT, name VARCHAR, price FLOAT)")
  6. # 添加业务文档
  7. vn.train(documentation="高价值产品指价格超过1000元的商品")
  9. # 录入历史SQL
  10. vn.train(
  11.     question="哪些是高价值产品？",
  12.     sql="SELECT name FROM products WHERE price > 1000"
  13. )

  复制代码
  1. [/code] [size=3][b]（3）生成SQL[/b][/size]
  3. [code]question = "2023年最畅销的高价值产品是什么？"
  4. sql = vn.generate_sql(question)
  5. print(sql)

  复制代码
  1. [/code] [size=3][b]（4）部署为API[/b][/size]
  3. Vanna 提供 Flask 快速部署：
  4. [code]from vanna.flask import VannaFlaskApp
  5. app = VannaFlaskApp(vn)
  6. app.run()

  复制代码
  [code][/code]

  ---

  4. 未来展望
  
  Vanna 的潜力不仅限于 SQL 生成：
  
  
  
  
  • BI 工具增强：为 Tableau/Power BI 提供天然语言查询接口。
    
  • 自动化数据探查：通过对话式分析发现数据趋势。
    
  • 多模态扩展：联合文本和图表，实现更智能的数据交互。
    

  ---

  结论
  
  Vanna 通过 RAG + 反馈学习，将 LLM 变成了一个“懂你业务”的 SQL 助手。它特殊得当：
  
  
  
  
  • 数据分析团队：减少重复的 SQL 编写工作。
    
  • 非技能用户：通过天然语言查询数据库。
    
  • 数据平台开发者：快速构建智能查询接口。
    
  项目已开源（Apache 2.0），支持 Snowflake、BigQuery、PostgreSQL 等主流数据库，立即试用：GitHub - vanna-ai/vanna
  

  ---