dify能将自然语言自动转为sql:先配置数据库连接并同步表结构,再通过知识库强化语义理解(手动文档或sql导出),最后在可视化工作流中组合知识检索、大模型生成与sql校验节点,实现零代码、高准确率的sql生成。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

你需要让非技术人员也能用日常语言描述数据需求,系统自动输出可执行的SQL脚本——Dify能帮你把这句话变成现实,无需写一行代码,也不用反复调试语法。
配置数据库连接与表结构识别
第一步:进入Dify控制台 → 点击左侧「数据源」→ 选择「添加数据库」→ 填写MySQL/PostgreSQL连接信息(主机、端口、数据库名、用户名、密码)。
第二步:勾选「自动同步表结构」并点击「测试连接」。这一步必须成功,【失败会导致后续所有SQL生成为空或报错】。
第三步:连接成功后,Dify会自动拉取全部表名、字段名、类型、主键、外键及注释。如果字段缺少业务注释(比如user_id只写了“用户编号”没写“对应users表主键”),AI生成的JOIN条件大概率出错。
构建知识库强化语义理解
方法一:手动整理表文档
新建一个Markdown文件,按如下格式逐表编写:
```markdown
### users 表
**业务含义**:存储平台注册用户基础信息
**关键字段**:
- id:主键,全局唯一用户ID
- nickname:用户昵称,用于前端展示
- created_at:账户创建时间,用于计算新客周期
```
方法二:用SQL自动生成结构描述
在你的数据库中运行这条命令导出带注释的建表语句:SHOW CREATE TABLE users;,复制结果粘贴进知识库文档,比手写更准、更快。
上传该文档到Dify「知识库」→ 开启「启用语义检索」→ 选择bge-m3嵌入模型 → 完成切分与向量化。这一步耗时1–3分钟,期间不能关闭页面。
搭建SQL生成工作流
第一步:在「工作室」中新建应用 → 选择「空白模板」→ 进入可视化画布。
第二步:拖入「开始」节点 → 配置输入变量为「query」(用户自然语言问题)。
第三步:添加「知识检索」节点 → 绑定上一步创建的知识库 → 检索结果最大返回3个表结构片段。
第四步:插入「大模型」节点 → 提示词模板这样写:
你是一名资深DBA,请根据以下信息生成标准SQL:
① 用户问题:{{#开始.query#}}
② 相关表结构:{{#知识检索.retrieved_documents#}}
要求:
- 只输出纯SQL,不加任何解释、不加```sql包裹
- 使用ANSI SQL语法,兼容MySQL 8.0+
- 如需JOIN,必须写出ON条件
- 若问题含时间范围(如“最近7天”),用DATE_SUB(NOW(), INTERVAL 7 DAY)表达
第五步:添加「SQL校验」节点(可选但强烈建议)→ 启用关键词拦截:DROP、TRUNCATE、UPDATE、DELETE、INSERT INTO SELECT。一旦检测到立即中断流程并返回警告。
测试与上线
点击右上角「预览」→ 在输入框输入:“查出6月订单金额超过5000的客户姓名和下单次数”→ 等待3秒内返回SQL。
如果返回的是SELECT * FROM orders WHERE...,说明表关联没触发,立刻回看「知识检索」节点是否命中了customers表结构;如果返回空,检查数据库连接是否被防火墙拦截(常见于内网部署场景)。
确认无误后,点击「发布」→ 获取API Endpoint或嵌入Web SDK → 把这个助手集成进BI系统或钉钉机器人。











