(db=db, llm=llm) agent_executor = create_sql_agent( llm=llm, toolkit=toolkit, verbose=True, agent_type=AgentType.ZERO_SHOT_REACT_DESCRIPTION, handle_parsing_errors=True, return_intermediate_steps=True, ) agent_executor.run("查询 instance 中 name = test_instance_name 的start_time,按照 ...
相反,我们将利用LangChain的SQLAgent从人类文本中生成复杂的数据库查询。 文档应包含具有大量规格说明的数据,以及更多流畅、自然语言描述等。 我们将执行以下步骤,最终能够提出关于大量文档的复杂问题: 阅读所有PDF文档。 使用GPT分析每个文档的内容,将其解析为JSON对象。 将这些对象写入SQLite获取其他数据库中,分布在多个...
agent_type="openai-tools", verbose=True, ) create_sql_agent函数创建了SQL 代理,它包含了LLM、数据库、提示,agent_type必须是“openai-tools”。 improved_query = json.loads(BaseAgent.get_improved_query(query, chat_history)) response = self.agent.invoke({"input": improved_query.get("question")}...
For example, you can create an agent that connects with an SQL database:Python Αντιγραφή from langchain.agents import create_sql_agent from langchain.agents.agent_toolkits import SQLDatabaseToolkit from langchain.sql_database import SQLDatabase from langchain import OpenAI db = ...
agent_executor = create_sql_agent( llm=model, toolkit=toolkit, verbose=True, agent_type=AgentType.ZERO_SHOT_REACT_DESCRIPTION, prefix=prefix ) 结果: 使用新前缀内容重新定义代理后,它现在可以生成在 Teradata DB 上平滑运行的查询。 代码语言:javascript 代码运行次数:0 运行 AI代码解释 SELECT TOP 5 ...
(db=db,llm=OpenAI(temperature=0))# 创建并运行基于 OpenAI 函数的 Agentagent_executor=create_sql_agent(llm=ChatOpenAI(temperature=0.1,model='gpt-4-1106-preview'),toolkit=toolkit,verbose=True,agent_type=AgentType.OPENAI_FUNCTIONS)# 运行 Agent,回答数据相关问题agent_executor.run("我们有多少来自上海...
使用create_sql_agent函数可以初始化这个代理。这个代理包含了SQLDatabaseToolkit,它提供了一系列工具来:创建和执行查询 检查查询语法 检索表描述 ...等等这意味着,通过使用SQL Agent和内置的SQLDatabaseToolkit,开发者能够更加灵活和高效地与SQL数据库进行交互,无论是执行复杂的查询,还是处理和维护数据库,都能够得到...
这些不是你可以仅通过使用RAG来解决的典型问题。相反,我们将利用LangChain的SQLAgent从人类文本中生成复杂的数据库查询。 文档应包含具有大量规格说明的数据,以及更多流畅、自然语言描述等。 我们将执行以下步骤,最终能够提出关于大量文档的复杂问题: 阅读所有PDF文档。
agent_executor = create_sql_agent(llm, db=db, agent_type="openai-tools", verbose=True) response = agent_executor.invoke( "我想看用户oper的前10条数据,并且按照名称进行排序" ) print( response ) 返回的结果如下: 通过返回的结果,可以看到,LLM充分的理解了我们的语义,并且把我们的需求转换成了SQL语...
通过自然语言执行SQL命令 我们通过 SQLDatabaseToolkit 或者SQLDatabaseChain 都可以实现执行SQL命令的操作 from langchain.agents import create_sql_agent from langchain.agents.agent_toolkits import SQLDatabaseToolkit from langchain.sql_database import SQLDatabase from langchain.llms.openai import OpenAI db...