sql-query-generator

SQL查询生成器 - 按次付费，新用户注册送5次免费。自然语言一键转SQL，支持多表联查、聚合统计、子查询、窗口函数等复杂场景，附执行逻辑和优化建议，数据分析师和开发者提效神器。 💡 企业定制/智能体开发/AI全案服务，合作微信17392371127（郭总）

SQL 查询生成器

用自然语言描述查询需求，自动生成精准SQL语句。不用记语法，不用查字段，一句话搞定复杂查询。 v1.1 升级：8种数据库支持 + 多表联查 + 聚合统计 + 窗口函数 + 优化建议 + 执行解释

🚀 企业级AI服务

开发效率想再上一个台阶？我们提供企业级AI全案服务：

🌍 GEO优化服务

• AI搜索引擎优化，让你的产品在AI时代被精准发现
• 技术博客/文档站GEO改造，抢占开发者流量入口
• 批量内容生成与SEO质量检测

🤖 企业智能体定制

• 专属AI智能体开发，对接你的业务系统和数据
• 研发/运维/测试智能体，研发效率提升50%+
• 私有化部署，代码数据完全可控

⚡ AI自动化方案

• 研发流程AI自动化，减少重复劳动
• 多工具联动工作流，打通开发运维数据孤岛
• 定制化AI工具开发，解决具体技术痛点

服务客单价：¥2000-5000 咨询合作： 微信 17392371127（郭总）

核心价值

不会写SQL？忘了表结构？复杂查询写半天？这个工具帮你：

• 一句话生成SQL：用中文描述需求，自动生成标准SQL
• 多表联查自动识别：自动识别表关系，生成JOIN查询
• 复杂查询支持：子查询、窗口函数、CTE、CASE WHEN通通搞定
• 语法校验：生成的SQL自动检查语法合理性
• 优化建议：附带性能优化建议，写出高效SQL
• 执行解释：附带SQL执行逻辑说明，方便理解和调试

When to Use

以下场景直接触发本技能：

• 数据分析师快速取数
• 产品经理查询业务数据
• 开发者减少手写SQL时间
• SQL初学者学习参考
• 复杂查询逻辑验证
• 忘了表结构和字段名
• 优化慢查询，找优化建议
• 报表开发快速写SQL
• 数据运营日常取数

Core Rules

1. 基于表结构信息生成准确的SQL语句
2. 支持多种数据库语法，自动适配
3. 生成的SQL附带解释和优化建议
4. 复杂查询优先选择可读性好的写法
5. 结果仅供参考，执行前请确认SQL正确性
6. 生产环境执行前务必先在测试环境验证

Quick Start

第一步：配置环境变量

bash

export SQL_API_USER_KEY="你的DeepSeek API Key"
# 可选：自定义API地址
export DEEPSEEK_BASE_URL="https://api.deepseek.com/v1"

第二步：生成SQL

Python 调用方式：

python

from skills.sql_query_generator.scripts.sql_gen import generate_sql

result = generate_sql(
    query="查询过去30天每个用户的订单总金额，按金额降序排列，取前10名",
    tables=[
        {"name": "users", "columns": {"id": "INT", "name": "VARCHAR", "email": "VARCHAR"}},
        {"name": "orders", "columns": {"id": "INT", "user_id": "INT", "amount": "DECIMAL", "created_at": "DATETIME"}}
    ],
    db_type="mysql",
    explain=True
)

命令行方式：

bash

python3 {baseDir}/scripts/sql_gen.py "查询每个部门的平均工资" \
  --tables schema.json --db-type postgres -o result.json

支持的数据库

数据库	说明	语法特点
MySQL	最常用的关系型数据库	LIMIT、AUTO_INCREMENT、反引号
PostgreSQL	功能强大的开源数据库	LIMIT/OFFSET、序列、双引号
SQL Server	微软企业级数据库	TOP、IDENTITY、方括号
Oracle	甲骨文企业级数据库	ROWNUM、序列、 dual 表
SQLite	轻量级嵌入式数据库	LIMIT、AUTOINCREMENT
Hive	大数据数仓SQL引擎	分区表、分桶、特殊函数
Spark SQL	大数据计算引擎	DataFrame风格、窗口函数丰富
ClickHouse	OLAP列式数据库	高性能聚合、特殊函数

Input Parameters

参数	类型	必填	说明
query	string	是	自然语言描述的查询需求
tables	list	是	表结构信息列表
db_type	string	否	数据库类型，默认mysql
explain	bool	否	是否生成执行解释，默认true
optimize	bool	否	是否给出优化建议，默认true
dialect	string	否	SQL方言版本

tables 参数格式

json

[
  {
    "name": "表名",
    "columns": {
      "字段名": "字段类型",
      "字段名2": "字段类型"
    },
    "primary_key": "id",  // 可选
    "description": "表说明"  // 可选
  }
]

Output Structure

json

{
  "sql": "生成的SQL语句",
  "db_type": "数据库类型",
  "explanation": "查询逻辑解释",
  "complexity": "simple/medium/high",
  "tables_used": ["使用的表列表"],
  "optimization_tips": ["优化建议列表"],
  "key_points": ["关键点说明"]
}

输出说明

• sql：生成的完整SQL语句，可直接执行
• explanation：查询逻辑的自然语言解释，帮助理解
• complexity：查询复杂度评估（简单/中等/复杂）
• tables_used：查询涉及的表
• optimization_tips：性能优化建议，包括索引建议、写法优化等
• key_points：需要注意的关键点

支持的查询类型

基础查询

• 简单SELECT查询
• 条件筛选（WHERE）
• 排序（ORDER BY）
• 分页（LIMIT/TOP）
• 去重（DISTINCT）

聚合统计

• COUNT/SUM/AVG/MAX/MIN
• GROUP BY 分组
• HAVING 筛选
• 多维度聚合

多表联查

• INNER JOIN
• LEFT JOIN / RIGHT JOIN
• FULL OUTER JOIN
• 自连接
• 多表级联

高级查询

• 子查询
• 窗口函数（ROW_NUMBER/RANK/SUM OVER等）
• CTE（WITH子句）
• CASE WHEN 条件表达式
• UNION/UNION ALL
• 子查询（IN/EXISTS）

典型使用场景

场景一：产品经理看数据

想看"过去7天每天的新增用户数和次日留存率"，不用找数据团队，自己就能生成SQL查。

场景二：开发者快速取数

开发时需要查个数据，但忘了表结构和具体字段名，描述一下需求直接生成，比自己写快3倍。

场景三：SQL新手学习

初学者不知道某类查询怎么写，描述需求生成SQL，附带解释，边用边学。

场景四：复杂查询优化

写了一个复杂SQL跑的慢，让AI分析优化建议，看看哪里能加索引、哪里能优化写法。

场景五：跨数据库迁移

从MySQL迁到PostgreSQL，有些语法不一样，让AI帮你转换适配。

常见问题 FAQ

Q1: 生成的SQL一定正确吗？ A: 大部分情况下是正确的，但建议执行前先检查一下，特别是涉及生产数据的。复杂查询可能需要微调。

Q2: 我不提供表结构能生成吗？ A: 提供表结构信息能生成更准确的SQL。如果不提供，AI会基于查询描述生成通用SQL框架，你需要自己替换表名和字段名。

Q3: 支持存储过程/触发器吗？ A: 目前主要优化查询类SQL（SELECT），也支持INSERT/UPDATE/DELETE，但存储过程、触发器等复杂数据库对象建议用专业工具。

Q4: 生成的SQL性能怎么样？ A: AI会尽量生成高效的写法，并给出优化建议。但实际性能还取决于数据量、索引、数据库配置等因素。重要查询建议做EXPLAIN分析。

Q5: 可以生成多语句的复杂脚本吗？ A: 可以，但建议一次一个主要查询，这样生成的质量更高。太复杂的脚本建议拆分成多个查询。

Limitations & Notes

• 生成的SQL仅供参考，执行前请确认正确性
• 生产环境执行前务必先在测试环境验证
• 表结构信息越完整，生成的SQL越准确
• 超复杂的查询可能需要人工微调
• 建议对重要查询做EXPLAIN性能分析
• 不支持非关系型数据库（NoSQL）的查询生成

References

• 模型：基于DeepSeek大语言模型
• 支持数据库：MySQL/PostgreSQL/SQL Server/Oracle/SQLite/Hive/Spark SQL/ClickHouse
• 优化建议：基于SQL性能最佳实践