使用AI构建SQL查询 | 原创，AI翻译

Home 2025.07 English 中文 日本語 Español हिंदी Français Deutsch العربية 繁體中文

---

数据库模式 (PostgreSQL):

CREATE TABLE users (
    id SERIAL PRIMARY KEY,
    username VARCHAR(50) UNIQUE NOT NULL,
    email VARCHAR(255) UNIQUE NOT NULL,
    password_hash VARCHAR(255) NOT NULL,
    first_name VARCHAR(100),
    last_name VARCHAR(100),
    date_of_birth DATE,
    gender VARCHAR(10),
    phone_number VARCHAR(20),
    address TEXT,
    city VARCHAR(100),
    state VARCHAR(100),
    country VARCHAR(100),
    zip_code VARCHAR(20),
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP,
    updated_at TIMESTAMP WITH TIME ZONE,
    last_login TIMESTAMP WITH TIME ZONE,
    is_active BOOLEAN DEFAULT TRUE,
    role VARCHAR(50),
    profile_picture_url VARCHAR(255),
    bio TEXT,
    failed_login_attempts INTEGER DEFAULT 0,
    account_balance NUMERIC(10, 2) DEFAULT 0.00
);

---

上面是Postgre数据库，下面是表定义。以下是自然语言查询指令。

我想获取一些用户，他们的名字是Andy，创建时间在上个月的某一天附近，并且在2025年20岁，并且最近一周内有登录记录，给我查询这些用户的SQL

---

生成的SQL查询：

SELECT *
FROM users
WHERE first_name ILIKE 'andy'
  AND CAST(created_at AS DATE) BETWEEN
      (CURRENT_DATE - INTERVAL '1 MONTH' - INTERVAL '1 DAY')
      AND
      (CURRENT_DATE - INTERVAL '1 MONTH' + INTERVAL '1 DAY')
  AND EXTRACT(YEAR FROM AGE(date_of_birth)) = 20
  AND last_login >= CURRENT_TIMESTAMP - INTERVAL '7 DAYS';

---

下面是一个PostgreSQL表定义，用于存储用户与AI系统（如Grok）的交互记录。该表设计用于跟踪对话，包括涉及的用户、对话内容、时间戳和相关元数据。

CREATE TABLE conversations (
    id SERIAL PRIMARY KEY,
    user_id INTEGER NOT NULL,
    title VARCHAR(255),
    conversation_type VARCHAR(50) DEFAULT 'chat',
    started_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP,
    ended_at TIMESTAMP WITH TIME ZONE,
    status VARCHAR(50) DEFAULT 'active',
    message_count INTEGER DEFAULT 0,
    last_message_at TIMESTAMP WITH TIME ZONE,
    is_archived BOOLEAN DEFAULT FALSE,
    ai_model_version VARCHAR(100),
    total_tokens_used INTEGER DEFAULT 0,
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP,
    updated_at TIMESTAMP WITH TIME ZONE,
    FOREIGN KEY (user_id) REFERENCES users(id) ON DELETE CASCADE
);

说明：

• id：每个对话的唯一标识符。
• user_id：引用users表，将对话与特定用户关联。
• title：对话的可选标题（例如用户定义或自动生成的摘要）。
• conversation_type：指示对话类型（例如’chat’、’query’、’voice’）。
• started_at：对话开始的时间戳。
• ended_at：对话结束的时间戳（如果未结束则为可空）。
• status：跟踪对话状态（例如’active’、’completed’、’paused’）。
• message_count：跟踪对话中交换的消息数量。
• last_message_at：最新消息的时间戳。
• is_archived：布尔值，表示对话是否已归档。
• ai_model_version：存储使用的AI模型版本（例如’Grok 3’）。
• total_tokens_used：跟踪对话的令牌使用量（适用于API计费或分析）。
• created_at和updated_at：对话记录创建和最后更新的时间戳。
• FOREIGN KEY：确保与users表的引用完整性，使用ON DELETE CASCADE在关联用户被删除时删除对话。

该表设计灵活，可根据特定需求扩展，例如在单独的messages表中存储个别消息，或添加字段用于情感分析或对话标签。如果需要相关表（例如消息表）或与该表交互的查询，请告诉我！

---

为了实现一个前端，用户可以使用自然语言查询自己的对话（例如“给我最新的5个对话”或“标题包含java的对话”），需要确保SQL查询将结果限制在经过身份验证的用户的对话上。这涉及将用户身份（例如user_id）纳入查询，并将自然语言转换为SQL条件。以下是针对conversations表的提示和对应的SQL查询示例，确保用户只能访问自己的数据。

关键考虑

• 用户身份验证：前端必须将经过身份验证的user_id传递给后端，以过滤对话。
• 自然语言解析：将自然语言输入解析为关键条件（例如“最新5”或“标题包含java”）。
• 安全性：始终通过user_id过滤，以防止用户访问他人的对话。
• 表引用：使用前面定义的conversations表。

自然语言提示和SQL查询

提示1：”给我最新的5个对话”

解析要求：

• 根据经过身份验证的用户的user_id过滤对话。
• 按started_at（或last_message_at以获取最新）降序排序。
• 限制结果为5条。

SQL查询：

SELECT *
FROM conversations
WHERE user_id = :authenticated_user_id
ORDER BY started_at DESC
LIMIT 5;

• :authenticated_user_id是登录用户ID的占位符，由前端/后端安全传递。
• started_at DESC确保返回最新的对话。
• LIMIT 5将输出限制为5个对话。

提示2：”标题包含java的对话”

解析要求：

• 根据经过身份验证的用户的user_id过滤对话。
• 搜索标题中包含”java”的对话（不区分大小写）。
• 使用PostgreSQL中的ILIKE进行部分、不区分大小写的匹配。

SQL查询：

SELECT *
FROM conversations
WHERE user_id = :authenticated_user_id
  AND title ILIKE '%java%';

• :authenticated_user_id确保仅查询用户自己的对话。
• ILIKE '%java%'匹配包含”java”的标题（例如“Java技巧”、“关于Java编程”）。

前端实现说明

1. 用户身份验证：
   • 前端必须从JWT令牌或会话中获取用户的ID（例如123）。
   • 后端应验证user_id并在WHERE子句中使用它来过滤结果。
2. 自然语言处理：
   • 使用简单的基于规则的解析器或AI模型（如Grok）来解释自然语言查询并提取：
     • 意图：列出对话。
     • 过滤器：关键词（例如“java”），排序（例如“最新”），或限制（例如“5”）。
   • 例如，将“最新5”映射为ORDER BY started_at DESC LIMIT 5，将“标题包含java”映射为title ILIKE '%java%'。
3. API设计：
   • 创建一个端点（例如/api/conversations），接受：
     • user_id：来自经过身份验证的会话。
     • query：自然语言输入或结构化参数（例如{ filter: "title contains java" }）。
   • 后端将查询转换为SQL，确保user_id始终包含在WHERE子句中。
4. 安全性：
   • 绝对不要允许用户直接输入SQL或修改user_id过滤器。
   • 使用参数化查询（例如:authenticated_user_id）以防止SQL注入。
   • 验证输入以避免ILIKE搜索中的恶意模式。
5. 前端显示：
   • 返回字段如id、title、started_at、last_message_at和status以显示对话列表。
   • 允许在UI中提供排序或过滤选项（例如下拉菜单用于“最新”或文本输入用于标题搜索）。

示例工作流程

1. 用户登录，前端获取其user_id（例如123）。
2. 用户在搜索栏中输入“给我最新的5个对话”。
3. 前端向后端发送请求：/api/conversations?user_id=123&query=latest 5。
4. 后端解析查询，生成SQL：

   SELECT *
   FROM conversations
   WHERE user_id = 123
   ORDER BY started_at DESC
   LIMIT 5;
   

5. 后端以JSON格式返回结果，前端显示对话。

其他说明

• 如果title为可空，在第二个查询中添加AND title IS NOT NULL以避免匹配空标题。
• 对于更复杂的查询（例如“关于java的上周对话”），合并条件：

  SELECT *
  FROM conversations
  WHERE user_id = :authenticated_user_id
    AND title ILIKE '%java%'
    AND started_at >= CURRENT_TIMESTAMP - INTERVAL '7 DAYS';
  

• 如果需要更高级的自然语言解析器，请考虑集成AI模型（例如通过xAI的API使用Grok）将复杂查询映射到SQL。有关API详细信息，请访问xAI API。

请告诉我如果需要前端代码、后端API设置或其他查询示例的帮助！

---

Back Donate