QingLong/AI/Text2Sql/Test/YunXiao_Deepseek.py

from openai import OpenAI

# 阿里云中用来调用 deepseek v3 的密钥
MODEL_API_KEY = "sk-01d13a39e09844038322108ecdbd1bbc"
#MODEL_NAME = "qwen-plus"
MODEL_NAME="deepseek-v3"

# 初始化 OpenAI 客户端
client = OpenAI(
    api_key=MODEL_API_KEY,
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)

def generate_sql_from_prompt(ddl: str, prompt: str) -> str:
    """
    根据 DDL 和自然语言描述生成 SQL 查询
    :param ddl: 数据库表结构的 DDL
    :param prompt: 自然语言描述
    :return: 生成的 SQL 查询
    """
    # 构建完整的提示词
    full_prompt = (
        f"以下是数据库表结构的 DDL：\n\n{ddl}\n\n"
        f"请根据以下描述生成 SQL 查询：\n\n{prompt}\n\n"
        "生成的 SQL 查询："
    )

    # 调用大模型
    response = client.chat.completions.create(
        model=MODEL_NAME,
        messages=[
            {"role": "system", "content": "你是一个专业的 SQL 生成助手，能够根据数据库表结构和自然语言描述生成正确的 SQL 查询。"},
            {"role": "user", "content": full_prompt}
        ],
        max_tokens=500
    )

    # 提取生成的 SQL
    if response.choices and response.choices[0].message.content:
        return response.choices[0].message.content.strip()
    else:
        raise ValueError("未能生成 SQL 查询")

if __name__ == '__main__':
    # 读取 Sql/AreaSchoolLessonDDL.sql 文件
    with open("../Sql/AreaSchoolLessonDDL.sql", "r", encoding="utf-8") as file:
        ddl = file.read()

    # 自然语言描述
    prompt = "查询 2024 年每个学段下，上传课程数量排名前 10 的学校，显示排名，并按上传课程数量排序。"

    common_prompt='''
    要求：
    1、只返回可以运行的SQL，不要描述信息和```sql 还有```
    2、对于学校名称和行政区划名称等于NULL 或者为空的不要进行统计
    '''
    prompt = prompt + common_prompt
    # 生成 SQL
    try:
        sql = generate_sql_from_prompt(ddl, prompt)
        print(sql)
    except Exception as e:
        print(f"生成 SQL 时出错：{e}")