我要投稿

一文搞懂大模型提示工程（Text2SQL、Text2API）

发布日期：2025-04-07 06:15:41 浏览次数： 2312

作者：架构师带你玩转AI

微信搜一搜，关注“架构师带你玩转AI”

大模型的提示工程（Prompt Engineering）是通过精心设计输入文本（Prompt），引导大语言模型（LLM）生成符合预期输出的技术。在Text2SQL（自然语言转SQL）和Text2API（自然语言调接口）场景中，提示工程的核心目标是将自然语言问题转化为准确的 SQL 查询和具体的 API 调用参数。

Text2SQL和Text2API的提示工程本质是是将领域知识显式化，通过角色定义和业务知识注入（如数据库Schema、API文档），让模型“理解”自然语言背后的真实意图，并将其转化为可执行的结构化指令。

一、Text2SQL

Text2SQL（文本转SQL）是什么？Text2SQL是一种将自然语言描述的查询需求，自动转换为结构化查询语言（SQL）的技术。

LangChain提供SQLDatabaseChain，支持将数据库Schema动态注入提示词，实现端到端的SQL生成与执行。LangChain可以自动提取数据库表结构（Schema）作为上下文。支持多轮对话修正SQL语句。

from langchain.utilities import SQLDatabasefrom langchain.chains import SQLDatabaseChainfrom langchain_community.llms import OpenAIdb = SQLDatabase.from_uri("sqlite:///sales.db")llm = OpenAI(temperature=0)chain = SQLDatabaseChain.from_llm(llm, db, verbose=True)response = chain.run("2024年销售额超过100万的产品是什么？")

如何实现Text2SQL？通过自然语言处理技术进行语义解析（包括实体识别、关系抽取、意图理解），结合预加载的数据库Schema信息，利用大语言模型（LLM）生成符合语法规范的SQL语句。

1. 输入解析：用户提问 → 提取关键实体（表名、字段、条件）。

例：“统计2024年销售额超过100万的产品” → 提取“销售额（sales）”、“产品（product）”、“年份（year=2024）”、“条件（>1,000,000）”。

2. Schema绑定：结合数据库表结构（Schema），明确字段和表关系。

关键：在Prompt中提供Schema，如：

表orders: id (int), product_id (int), sales (float), date (date)  
表products: id (int), name (str), category (str)

3. SQL生成：模型根据Schema和用户意图生成查询语句。

SELECT p.name, SUM(o.sales) AS total_sales  FROM orders o  JOIN products p ON o.product_id = p.id  WHERE YEAR(o.date) = 2023  GROUP BY p.id  HAVING total_sales > 1000000;

4. 结果验证：执行SQL并返回数据，若失败则优化Prompt或追问用户。

二、Text2API

Text2API（文本转API调用）是什么？Text2API（文本转API调用）是一种将自然语言描述的用户需求自动转换为对应用程序接口（API）的调用请求的技术。

LangChain提供APIChain，支持将API文档（如OpenAPI/Swagger）嵌入提示词，引导大模型生成请求参数，可以支持多步骤调用（如先查询用户ID，再调用订单API）。

from langchain.chains import APIChainfrom langchain_community.llms import OpenAIllm = OpenAI(temperature=0)api_docs = """API文档：- 发送邮件：POST /send_email    参数：to（收件人）, subject（主题）, content（内容）  - 查询天气：GET /weather    参数：city（城市）, date（日期）  """chain = APIChain.from_llm_and_api_docs(llm, api_docs, verbose=True)response = chain.run("给Allen发邮件，主题是会议提醒，内容为明天下午2点开会。")

如何实现Text2API？通过自然语言处理技术进行语义解析（含意图识别、实体抽取、上下文理解），结合预加载的API文档信息，利用大语言模型（LLM）生成符合语法规范的API调用请求。

1. API目录管理：维护API文档（端点、参数、权限）。

例：邮件API文档：

POST /send_email  参数：to (str), subject (str), content (str)  权限：需用户OAuth令牌

2. 意图识别：模型解析用户指令，匹配目标API。

例：“给Allen发邮件，主题是项目开发进度，内容为‘本周完成80%’” → 调用 /send_email。

3. 参数填充：提取并验证参数（如邮箱、内容）。

{    "endpoint": "/send_email",    "params": {"to": "[email protected]", "subject": "项目进度", "content": "本周完成80%"}  }

4. 执行与反馈：调用API并返回结果（成功/失败原因）。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-10-23

让打工人头疼的 Excel，被 AI 改造后……我居然玩上瘾了

2025-10-14

ChatBI 实体标准查询名优化实战：如何将准确率从 80% 提升到 90%

2025-09-29

大模型幻觉检测在 NL2SQL 任务的应用实践

2025-09-15

AI Agent重塑商业智能：2025技术融合路线图

2025-09-14

滴滴 ChatBl 技术实践:智能数据分析的前沿探索与应用

2025-09-12

AI重塑生产关系：IT部门不会消失，只会进化

2025-09-12

企业知识库构建最佳实践：ChatBI发展中的关键角色

2025-09-06

介绍菜鸟集团ChatBI在物流领域实践及招人

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

AI Agent重塑商业智能：2025技术融合路线图

2025-09-15

Excel 革命：微软宣布 AI 原生接入，不再用插件

2025-08-19

Excel 迎来“AI函数”：COPILOT 正式上线，公式也能开挂了

2025-08-24

阿里巴巴发布首个数据分析Agent，让人人都可拥有AI分析师

2025-08-28

Dify实战：构建Text2SQL(NL2SQL)智能查询数据库并生成图表工作流

2025-09-03

NL2DSL2SQL是实现ChatBI的正确技术路线吗？

2025-09-02

AI Excel 数据分析智能体

2025-08-23

LLM 在腾讯游戏数据分析的实战

2025-08-16

介绍菜鸟集团ChatBI在物流领域实践及招人

2025-09-06

从“写SQL”到“聊数据”：NL2SQL如何用自然语言解锁数据库？

2025-08-14

大家都在问

NL2DSL2SQL是实现ChatBI的正确技术路线吗？

2025-09-02

Power BI vs Tableau：AI 时代谁才是正确的方向？

2025-08-16

从“写SQL”到“聊数据”：NL2SQL如何用自然语言解锁数据库？

2025-08-14

ChatBI的皇帝新衣：为何90%的企业AI应用项目注定失败？

2025-08-06

先BI再ChatBI，还是直接ChatBI？

2025-07-29

颠覆传统BI！数势科技Data Agent如何重塑企业决策边界？

2025-05-27

AI+Figma真的能够还原好视觉稿？

2025-05-27

7000字详解：如何让AI智能体帮你自动挖掘商业洞察、制作数据报告？

2025-05-12

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB