使用 WrenAI 构建一个数据查询系统，程序员再也不用为出报表加班了

前些时候，OpenAI 发布了其最新的 LLM 模型 GPT-4o。人们正在分享基于这个开创性模型构建的疯狂应用程序。通过使用看到了数据检索的改进，这可以使用户受益，响应速度更快，成本效益更高（成本低于 GPT-4 Turbo）。

本篇文章我们使用WrenAI 团队发布的最新版本，以支持 GPT-4o LLM 模型来查询自己的数据库。

WrenAI 是一种开源的文本转 SQL 解决方案，数据团队无需编写 SQL 即可通过提出业务问题来更快地获得结果。

WrenAI 有哪些特性

使用语义进行索引 - 减少LLM幻觉

WrenAI 已经实现了语义引擎架构，为我们的业务提供 LLM 上下文；可以轻松地在数据模式上建立逻辑表示层，帮助 LLM 更多地了解业务上下文。

增强LLM提示 - 提高准确性

使用 WrenAI，我们可以使用“建模定义语言”（MDL）处理元数据、模式、术语、数据关系以及计算和聚合背后的逻辑，从而减少重复编码并简化数据连接。

生成答案 提出问题获得答案

在 WrenAI 中开始新对话时，我们的问题将用于查找最相关的表格。从这些表格中，LLM 会生成三个相关问题供用户选择。还可以提出后续问题以获得更深入的答案。

自学习防窥链路 - 自动化工作流程

AI 自学习反馈循环旨在通过收集来自各种来源的数据来改进 SQL 增强和生成。这些来源包括用户查询历史记录、修订意图、反馈、架构模式、语义增强和查询频率等。

设置 PostgreSQL 数据库

启动 PostgreSQL 服务器，然后使用客户端进入 PostgreSQL 数据库。psql

在PostgreSQL中创建一个ecom-wrenai的数据库

CREATE DATABASE ecom_wrenai;

连接到创建的数据库ecom_wrenai \c <database_name>

lijungchi=# \c ecom_wrenai
psql (13.1, server 13.0)
You are now connected to database "ecom_wrenai" as user "lijungchi".
ecom_wrenai=#

现在，我们要创建此数据集的表并导入数据。可以从这里下载需要的 sql SQL 脚本。

我们可以将脚本复制到我们的脚本中，也可以通过以下方式导入 SQL psql

ecom_wrenai=# \i <path to your file>/import.sql

如果成功导入数据，我们将看到以下信息。

成功导入数据

安装 WrenAI

接下来，让我们开始安装 WrenAI;在开始之前，我们需要安装 Docker。

1. 在本地计算机上安装

请确保 Docker Desktop 版本至少为 >= 4.17。

2. 准备 OpenAI API 密钥

请确保我们的开放 API 密钥具有完全权限（全部）。

访问 OpenAI 开发者平台。

进入OpenAI API密钥页面

为WrenAI 生成一个具有完全权限的新API密钥

生成具有完整权限的 OpenAI API 密钥.

3. 安装 WrenAI 启动器

如果你使用的是 MAC OS，（其他系统可以参考官网）在命令行输入下面的命令来获取最新的 WrenAI 启动器.

curl -L https://github.com/Canner/WrenAI/releases/latest/download/wren-launcher-darwin.tar.gz | tar -xz && ./wren-launcher-darwin

当启动器成功启动，会要求输入OpenAI API key 的密钥。我们将上面的的 Key 复制粘贴就好。接下来我们需要选择 WrenAI 要使用的模型 gpt-4o gpt-4-turbo gpt-3.5-turbo 。如下图所示：

WrenAI启动器安装

现在我们可以看到 WrenAI 已经在我们的机器上面正常启动。然后 WrenAI 启动器会自动打开我们的系统的默认浏览器。

docker 启动

链接数据源

当启动器安装成功后会默认打开我们系统的设置的默认浏览器。如下图所示：

在下面的界面中我们选择数据源并配置相关参数：

将所有的必填项都填好。

如果使用 Mac 本地 PostgreSQL 数据库，请输入以访问该数据库。docker.for.mac.localhost

选择数据库中的数据模型。

下一步，定义与语义模型的关系;这可以帮助 LLM 更多地了解我们的语义数据结构。这里很重要，模型能不能理解我们的数据库字段，关键点就是这里。

添加语义关系

安装完成

我们可以在 WrenAI UI 中查看所有数据模型。

完成设置

玩转 WrenAI

WrenAI UI语义建模

使用 WrenAI UI，我们可以在语义上下文中对数据模型进行建模，例如添加描述、关系、计算等。上下文可以帮助 LLM 学习我们的业务术语和 KPI 定义，并减少加入多个表时的幻觉;LLM 通过学习关系（例如表之间的关系是、还是关系）来了解数据结构层次结构。many-to-one one-to-many many-to-many

通过 WrenAI UI 进行语义建模

通过 WrenAI 中的计算定义的业务 KPI 和公式。

在数据模型中添加计算