1 个神级智能问数工具，刚开源就 1500 Star 了。

发现了一个 GitHub 上刚刚开源的 SQL 神器。

没开源多少天，就获得 1.5K 的 Star 了。

如果你经常从数据库里查数据，但又不太熟悉 SQL 语法，这个刚刚开源的 SQLBot 可能会让你眼前一亮。

虽然叫做 SQLBot，但是不会让你写一行 SQL。

01

智能问数系统，开源了。

这是一个基于 AI 大模型和 RAG 技术的智能问数系统。

接入 SQLBot 就可以直接提问，比如输入：帮我查一下上个月新增用户，系统就会自动生成相应的 SQL 语句，并从数据库中返回你要的结果，对非技术同学特别友好。

📊 Text-to-SQL 生成：通过大模型和 RAG 技术，将问题转换为 SQL 查询语句。

✅ 开箱即用：只需配置大模型和数据源，即可快速启用系统，无需复杂部署。

🔌 易于集成：支持嵌入 n8n、MaxKB、Dify、Coze 等系统，为其提供智能问数能力。

🛡️ 安全可控 ：提供基于工作空间的资源隔离机制，实现细粒度数据权限控制。

🐳部署方式灵活  ：支持 Docker 一键部署、1Panel 应用商店安装或离线安装。

02

如何使用

部署 SQLBot 也非常简单，准备一个 Linux 服务器，安装好 Docker 后，运行下面这个命令就成。

docker run -d \  --name sqlbot \  --restart unless-stopped \  -p 8000:8000 \  -p 8001:8001 \  -v ./data/sqlbot/excel:/opt/sqlbot/data/excel \  -v ./data/sqlbot/images:/opt/sqlbot/images \  -v ./data/sqlbot/logs:/opt/sqlbot/logs \  -v ./data/postgresql:/var/lib/postgresql/data \  dataease/sqlbot

安装成功在浏览器打开就行了，登录后你会看到下面这种类似的界面：

① 前置配置

在正式使用之前，你需要先配置 AI 大模型和数据源。

在 AI 大模型配置这里，选择一个大模型 API 服务供应商，配置 API 域名、API Key 等相关参数就行了，很简单。

然后是配置数据源，毕竟得让 SQLBot 知道你需要根据哪儿的数进行分析。

支持多种数据类型，比如 MySQL、SQL Server、ClickHouse 等数据库，还支持 AWS RedShift 数据仓库，最基础的 Excel/CSV 也行。

② 智能问数

直接提问：点击新建对话 -> 选择数据源，然后直接输入你的提问，比如：使用柱状图展示各区域的销售量对比。

你看不一会儿，SQLBot 就基于数据源的数据生成一个柱状图图表。

如果你不指定图表，模型也根据你问题意图智能选择并生成最合适的图表类型，如柱状图、折线图、表格、饼图等。

而且你能对生成的图表进行类型切换、放大查看、导出为PNG图片，或添加到仪表板。

还能查看图表背后的明细数据，并可将数据导出为Excel文件。

如果你的担心 AI 写的 SQL 不放心，还能查看自动生成对应的 SQL 查询语句，自己验证一下。

智能分析、预测：除了简单的取数，还能基于图表数据调用 AI 模型进行自动趋势分析和业务解读，提供关键趋势描述和原因推测。

看下面这个，AI 根据时间序列数据，自动识别趋势并预测未来指标值，同时输出预测逻辑说明。

还能对图表进行进一步的数据分析。

③ 仪表板

这个有意思了，对于你经常要看的看板，不需要每次都打字查询，生成的报表直接添加到仪表板就行了。

比如下面这个销售运营看板，就是好几个图表组成的一个看板，以后直接在一个地方就把业务情况一览无余。

03

工作原理

SQLBot 的工作原理很简单，看下面这个图就明白了。

你提出问题会和 SQL 示例库等结合形成完整的提示词，被输入到 AI 系统中，AI 结合数据库模式生成相应的 SQL 查询。

查询从数据库中检索数据，最终数据以图表、表格等可视化形式呈现分析结果。

开源地址：https://github.com/dataease/SQLBot

04

点击下方卡片，关注我

这个公众号历史发布过很多有趣的开源项目，如果你懒得翻文章一个个找，你直接关注微信公众号：逛逛 GitHub ，后台对话聊天就行了：