ingFang SC", system-ui, -apple-system, "system-ui", "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.578px;-webkit-tap-highlight-color: transparent;outline: 0px;visibility: visible;text-wrap: wrap;background-color: rgb(255, 255, 255);text-align: left;margin-bottom: 16px;">ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;">大模型的提示工程（Prompt Engineering） 是通过精心设计输入文本（Prompt），引导大语言模型（LLM）生成符合预期输出的技术。在Text2SQL（自然语言转SQL）和Text2API（自然语言调接口）场景中，提示工程的核心目标是将自然语言问题转化为准确的 SQL 查询和具体的 API 调用参数。ingFang SC", system-ui, -apple-system, "system-ui", "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.578px;-webkit-tap-highlight-color: transparent;outline: 0px;visibility: visible;text-wrap: wrap;background-color: rgb(255, 255, 255);text-align: left;margin-bottom: 16px;">ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;">Text2SQL和Text2API的提示工程本质是是ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", "Source Han Sans CN", sans-serif, "Apple Color Emoji", "Segoe UI Emoji";list-style: none;margin-right: 0px;margin-left: 0px;scrollbar-width: none;font-weight: 600;color: rgb(6, 7, 31);font-size: 15px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;letter-spacing: normal;orphans: 2;text-align: start;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;background-color: rgb(253, 253, 254);text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;">将领域知识显式化，通过角色定义和业务知识注入（如数据库Schema、API文档），让模型“理解”自然语言背后的真实意图，并ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", "Source Han Sans CN", sans-serif, "Apple Color Emoji", "Segoe UI Emoji";list-style: none;margin-right: 0px;margin-left: 0px;scrollbar-width: none;font-weight: 600;color: rgb(6, 7, 31);font-size: 15px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;letter-spacing: normal;orphans: 2;text-align: start;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;background-color: rgb(253, 253, 254);text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;">将其转化为可执行的结构化指令。ingFang SC", system-ui, -apple-system, "system-ui", "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.578px;-webkit-tap-highlight-color: transparent;outline: 0px;visibility: visible;text-wrap: wrap;background-color: rgb(255, 255, 255);text-align: left;margin-bottom: 16px;">ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: var(--articleFontsize);letter-spacing: 0.034em;"> ingFang SC", system-ui, -apple-system, "system-ui", "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.578px;text-wrap: wrap;background-color: rgb(255, 255, 255);-webkit-tap-highlight-color: transparent;outline: 0px;">ingFang SC", system-ui, -apple-system, "system-ui", "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: var(--articleFontsize);letter-spacing: 0.578px;text-align: left;color: rgb(172, 57, 255);">Text2SQL（文本转SQL）是什么？Text2SQL是一种将自然语言描述的查询需求，自动转换为结构化查询语言（SQL）的技术。LangChain提供SQLDatabaseChain，支持将数据库Schema动态注入提示词，实现端到端的SQL生成与执行。LangChain可以自动提取数据库表结构（Schema）作为上下文。支持多轮对话修正SQL语句。fromlangchain.utilitiesimportSQLDatabasefromlangchain.chainsimportSQLDatabaseChainfromlangchain_community.llmsimportOpenAIdb=SQLDatabase.from_uri("sqlite:///sales.db")llm=OpenAI(temperature=0)chain=SQLDatabaseChain.from_llm(llm,db,verbose=True)response=chain.run("2024年销售额超过100万的产品是什么？")如何实现Text2SQL？通过自然语言处理技术进行语义解析（包括实体识别、关系抽取、意图理解），结合预加载的数据库Schema信息，利用大语言模型（LLM）生成符合语法规范的SQL语句。1. 输入解析：用户提问 → 提取关键实体（表名、字段、条件）。例如：“统计2024年销售额超过100万的产品” → 提取“销售额（sales）”、“产品（product）”、“年份（year=2024）”、“条件（>1,000,000）”。2. Schema绑定：结合数据库表结构（Schema），明确字段和表关系。关键：在Prompt中提供Schema，例如：表orders: id (int), product_id (int), sales (float), date (date) 表products: id (int), name (str), category (str)3. SQL生成：模型根据Schema和用户意图生成查询语句。SELECTp.name,SUM(o.sales)AStotal_salesFROMordersoJOINproductspONo.product_id=p.idWHEREYEAR(o.date)=2023GROUPBYp.idHAVINGtotal_sales>1000000; 4. 结果验证：执行SQL并返回数据，若失败则优化Prompt或追问用户。Text2API（文本转API调用）是什么？Text2API（文本转API调用）是一种将自然语言描述的用户需求自动转换为对应用程序接口（API）的调用请求的技术。 LangChain提供APIChain，支持将API文档（如OpenAPI/Swagger）嵌入提示词，引导大模型生成请求参数，可以支持多步骤调用（如先查询用户ID，再调用订单API）。fromlangchain.chainsimportAPIChainfromlangchain_community.llmsimportOpenAIllm=OpenAI(temperature=0)api_docs="""API文档：-发送邮件：POST/send_email参数：to（收件人）,subject（主题）,content（内容）-查询天气：GET/weather参数：city（城市）,date（日期）"""chain=APIChain.from_llm_and_api_docs(llm,api_docs,verbose=True)response=chain.run("给Allen发邮件，主题是会议提醒，内容为明天下午2点开会。")如何实现Text2API？通过自然语言处理技术进行语义解析（含意图识别、实体抽取、上下文理解），结合预加载的API文档信息，利用大语言模型（LLM）生成符合语法规范的API调用请求。
1. API目录管理：维护API文档（端点、参数、权限）。例如：邮件API文档：POST /send_email 参数：to (str), subject (str), content (str) 权限：需用户OAuth令牌 2. 意图识别：模型解析用户指令，匹配目标API。例如：“给Allen发邮件，主题是项目开发进度，内容为‘本周完成80%’” → 调用/send_email。
{"endpoint":"/send_email","params":{"to":"zhangsan@company.com","subject":"项目进度","content":"本周完成80%"}}4. 执行与反馈：调用API并返回结果（成功/失败原因）。
|
