fromopenaiimportOpenAIimportjson clientOpenAI()defgenerate_sqp(question:str,ontology:str):promptf 你是汽车数据分析系统中的 Semantic Query Planner。 你的任务不是生成 SQL。 你必须根据 Ontology 把用户自然语言转换成 Semantic Query Plan。 Ontology:{ontology}User Query:{question}只返回 JSON。 responseclient.responses.create(modelgpt-5,inputprompt)returnjson.loads(response.output_text)通过上面的脚本可以快速理解“用户查询”与“本体”, Semantic Query Plan (SQP)之间的关系。简单理解就是LLM(prompt, UserQuery, Ontology)Semantic Query Plan大模型生成的 SQP 还可能不靠谱一般要用 SQP Validator 再验证确认一遍classOntologyValidator:def__init__(self,ontology):self.ontologyontologydefvalidate_entity(self,entity):ifentitynotinself.ontology[entities]:raiseValueError(fUnknown entity:{entity})defvalidate_field(self,entity,field):fields(self.ontology[entities][entity][properties])iffieldnotinfields:raiseValueError(fUnknown field{entity}.{field})defvalidate(self,sqp):self.validate_entity(sqp[entity])forconditioninsqp[filters]:entity,fieldcondition[field].split(.)self.validate_entity(entity)self.validate_field(entity,field)returnTrue最后通过 Compiler可以把 SQP 转化成图数据库查询语言MATCH(c:Customer)-[:OWNS]-(v:Vehicle),(v)-[:MODEL]-(m:VehicleModel),(v)-[:PURCHASED_BY]-(p:Purchase),(v)-[:HAS_FAULT]-(f:Fault),(f)-[:RUNNING_VERSION]-(sv:SoftwareVersion),(sv)-[:HAS_DEFECT]-(d:SoftwareDefect),(f)-[:HAS_REPAIR]-(r:RepairOrder),(c)-[:LIVES_IN]-(city:City),(city)-[:IN_REGION]-(region:Region)WHERE region.name华东AND p.purchase_datedate()- duration(P1Y)AND v.energy_type IN[BEV,PHEV,HEV]AND m.body_typeSUVAND f.fault_categoryBatteryAND f.fault_datep.purchase_date AND f.fault_datep.purchase_date duration(P90D)AND d.defect_id IS NOT NULL AND NOT EXISTS{MATCH(recall:RecallCampaign)-[:TARGET_CITY]-(city),(recall)-[:TARGET_VERSION]-(sv)WHERE recall.start_datedate()- duration(P1Y)}RETURN count(DISTINCT c)AS customer_count, avg(r.cost)AS avg_repair_cost更多体验如下提示词假设我是一个传统汽车制造商有数据库CRM等传统系统。我现在要转型引入 agent 来支持类似于**“找出华东地区过去一年购买了新能源 SUV 的客户中购买后 90 天内出现过电池相关故障、且车辆当时运行的软件版本存在已知缺陷同时这些客户所在城市去年没有进行过该软件版本的召回活动的客户并统计这些客户的数量和平均维修成本。”,“十佳销售商卖出去的最热门的4款车以及他们他们的平均售价” **这样的自然语言查询。我想为小公司写一个小的单机本体系统希望一切相关数据库组建都用嵌入式组件。rdbms用duckdb其余的推荐一下。要求好安装不用docker。最后脚本启动后前台可以通过http访问。脚本启动时自动初始化环境和数据。使用 duckdb、kuzu、lancedb、sqlite 这类系统存储各种领域数据。LLM部分使用 BYOM 模式用户在网页上填入自己的token和模型模型使用阿里云的。请开一个工作项在本地电脑上帮我完整完成整个项目。
)