告别复杂 SQL！一款基于大模型和 RAG 的智能问数系统！

大家好，我是 Java陈序员。

在数据驱动决策的时代，每个企业和个人都渴望快速从数据中挖掘价值，但复杂的 SQL 语句、繁琐的数据库操作却成了横亘在多数人面前的高墙。

今天，给大家介绍一款基于大模型和 RAG 的智能问数系统，通过对话分析数据，告别复杂 SQL！

项目介绍

SQLBot —— 一款基于大模型和 RAG 的智能问数系统，是对话式数据分析神器。它通过结合大模型与 RAG（检索增强生成）技术，实现了高质量的文本转 SQL 功能。

功能特色：

开箱即用: 无需复杂的配置流程，只需简单设置好大模型和数据源，就能立即开启智能问数之旅多样化操作：支持生成 SQL、生成图表、数据分析、数据预测等多种操作，满足不同的数据需求数据源管理：可配置多种数据库连接信息，轻松对接各类数据源工作空间管理：实现资源隔离和权限管理，方便团队协作与数据管控多模型支持：兼容阿里云百炼、千帆大模型、DeepSeek、腾讯混元、讯飞星火、Gemini、OpenAI、Kimi 等多种主流大模型易于集成: 支持快速嵌入到第三方业务系统，也支持被 n8n、MaxKB、Dify、Coze 等 AI 应用开发平台集成调用，让各类应用快速拥有智能问数能力安全可控：提供基于工作空间的资源隔离机制，能够实现细粒度的数据权限控制，确保敏感数据只被授权人员访问，让数据查询既便捷又安全

工作原理：

快速上手

SQLBot 支持 Docker 部署，可使用 Docker 快速部署。

1、拉取镜像

docker pull dataease/sqlbot

2、创建挂载目录

mkdir -p /data/software/sqlbot/{excel,file,images,logs,postgresql}

3、运行容器

docker run -d \ --name sqlbot \ --restart unless-stopped \ -p 8000:8000 \ -p 8001:8001 \ -v /data/software/sqlbot/excel:/opt/sqlbot/data/excel \ -v /data/software/sqlbot/file:/opt/sqlbot/data/file \ -v /data/software/sqlbot/images:/opt/sqlbot/images \ -v /data/software/sqlbot/logs:/opt/sqlbot/app/logs \ -v /data/software/postgresql:/var/lib/postgresql/data \ --privileged=true \ dataease/sqlbot

4、容器启动成功后，浏览器访问

http://{IP/域名}:8080用户名: admin密码: SQLBot@123456功能体验

SQLBot 开启问数功能需要先配置 AI 模型和数据源。

AI 模型配置

1、进入后台系统管理，选择 AI 模型配置，点击添加模型