|
""" |
|
Text2SQL机器人·Prompt |
|
""" |
|
import numpy as np |
|
from sentence_transformers import SentenceTransformer, util |
|
from utility.utils import config_dict as DB_CONFIG |
|
from local_database import db_operate |
|
|
|
embedder = SentenceTransformer('paraphrase-multilingual-MiniLM-L12-v2') |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
chatbot_prompt = """ |
|
你是一个文本转SQL的生成器，你的主要目标是尽可能的协助用户，将输入的文本转换为正确的SQL语句。 |
|
上下文开始 |
|
表名和表字段来自以下表： |
|
表1: cargo |
|
字段1:cargo_id(货物编号),字段2:cargo_name(货物名称),字段3:year(年份),字段4:net_yield(净收益率%),字段5:loss_rate(损失率%),字段6:month_on_month_growth_rate(环比增长率%),字段7:sales_volume(销售量),字段8:cargo_price(货物单价),字段9:cargo_category(货物品类),字段10:source_cargo(货物来源),字段11:storage_warehouse(货物仓库),字段12:sales_person_name(销售责任人名字),字段13:sales_person_id(销售负责人id),字段14:sales_department(销售部门),字段15:sales_person_numbers(销售负责人联系方式) |
|
表2: sales |
|
字段1:sales_person_id(销售负责人id),字段2:sales_person_name(人员名称),字段3:sales_person_level(人员等级),字段4:sales_person_work_date(入职时间),字段5:sales_person_leader_id(人员主管id),字段6:sales_person_leader_name(人员主管名字),字段7:sales_person_number(人员电话),字段8:sales_person_achievement_year(人员业绩年份),字段9:sales_person_achievement(人员业绩),字段10:sales_person_department(人员部门名称),字段11:sales_person_department_id(人员部门id) |
|
表3: cargo_info |
|
字段1:cargo_info_id(货物信息id),字段2:cargo_id(货物id),字段3:cargo_name(货物名称),字段4:origin_cargo(货物产地),字段5:cargo_purchase_price(货物购买价),字段6:cargo_type(货物大类),字段7:cargo_category(货物品类),字段8:cargo_supply_company(供货公司),字段9:cargo_num(货物数量),字段10:cargo_supply_aftermarket_person(货物售后负责人),字段11:cargo_supply_aftermarket_person_number(货物售后负责人联系电话),字段12:cargo_supply_market_person(货物公司销售负责人),字段13:cargo_supply_market_person_number(货物公司负责人联系电话) |
|
表4: depart_list |
|
字段1:department_id(部门id),字段2:department_name(部门名称),字段3:department_duty(部门职责),字段4:department_lead_name(部门负责人名字),字段5:department_lead_name_id(部门负责人id),字段6:department_person_nums(部门人数) |
|
表5: purchase_info |
|
字段1:purchase_company_id(货物购买方id),字段2:purchase_company_name(货物购买方名称),字段3:purchase_company_address(货物购买方地址),字段4:purchase_company_person_name(货物购买方负责人人名),字段5:purchase_company_person_numbers(货物购买方负责人联系方式),字段6:purchase_company_person_level(货物购买方负责人职位),字段7:purchase_cargo_name_id(购买货物id),字段8:purchase_cargo_name(购买货物名称),字段9:purchase_cargo_nums(购买货物数量),字段10:purchase_cargo_type(购买货物大类),字段11:purchase_cargo_category(购买货物品类) |
|
表6: supply_company |
|
字段1:supply_company_id(供货公司id),字段2:supply_company_name(供货公司名称),字段3:supply_company_address(供货公司地址),字段4:supply_company_product_id(供货公司货物id),字段5:supply_company_product_name(供货公司货物名称),字段6:supply_company_date(供货公司入名录时间) |
|
上下文结束 |
|
问: 请帮我查询所有的货物名称 |
|
答: SELECT cargo_name FROM cargo |
|
问: 请帮我查询在2019年的净收益率大于10并且销售量大于100并且业绩大于1000的销售负责人名字 |
|
答: SELECT sales.sales_person_name FROM sales INNER JOIN cargo on sales.sales_person_id = cargo.sales_person_id WHERE cargo.year = 2019 AND cargo.net_yield > 10 AND cargo.sales_volume > 100 AND sales.sales_person_achievement > 1000 |
|
问: 文本转SQL: <user input> |
|
答: |
|
""" |
|
|
|
|
|
In_context_prompt = """问: 请帮我查询所有的货物名称 |
|
答: SELECT cargo_name FROM cargo; |
|
问: 请帮我查询在2019年的净收益率大于10并且销售量大于100并且业绩大于1000的销售负责人名字 |
|
答: SELECT sales.sales_person_name FROM sales INNER JOIN cargo on sales.sales_person_id = cargo.sales_person_id WHERE cargo.year = 2019 AND cargo.net_yield > 10 AND cargo.sales_volume > 100 AND sales.sales_person_achievement > 1000; |
|
问: 请帮我查询购买"板材"货物的公司名称 |
|
答: SELECT purchase_company_name FROM purchase_info WHERE purchase_cargo_name = "板材"; |
|
""" |
|
|
|
query_template = """问: <user_input> |
|
答: |
|
""" |
|
|
|
|
|
TABLE = DB_CONFIG["TABLE"] |
|
table_schema = {} |
|
|
|
for table_name in TABLE.keys(): |
|
|
|
table_info = """""" |
|
table_info += "表名:" + table_name + "\n" |
|
table_info += "字段:" |
|
for idx, filed in enumerate(TABLE[table_name]["field"].items()): |
|
if idx == len(TABLE[table_name]["field"].items()) - 1: |
|
table_info += filed[0] + "(" + filed[1][0] + ")" |
|
else: |
|
table_info += filed[0] + "(" + filed[1][0] + ")," |
|
|
|
table_schema[TABLE[table_name]["info"]] = table_info |
|
|
|
|
|
corpus = list(table_schema.keys()) |
|
|
|
|
|
corpus_embeddings = embedder.encode(corpus, convert_to_tensor=True) |
