企业官网建设流程全解析

自然语言转SQL：一段提示词让运营自己查库的完整指南

【免费下载链接】coursesAnthropic's educational courses项目地址: https://gitcode.com/GitHub_Trending/cours/courses

周一早上，运营同学@你："这个月新增多少付费会员？卖得最好的SKU现在库存还剩多少？"你估了个开发排期：两天。等数据出来，活动早结束了。卡点在于数据库只认SQL，不认人话。这篇教程带你用自然语言转SQL的思路，把这句话变成一条能直接跑的SQL，就在这个仓库 courses（Anthropic 官方教学项目）里完成，不用写代码，只要会填一段提示词。

读完整篇，你会带走4样可直接用的东西：1套四块提示词骨架、1组会员库存示例数据、6条翻车修复口诀、3个量化验收标准。

模型是怎么把一句话变成SQL的

别把SQL生成想成黑魔法。它其实是你给模型递四样东西，它交回一条查询——就像厨师接到"要一份低糖红烧肉"的口令：

• 角色设定告诉它"你是谁"：一个只查不改的SQL助手。解决"模型太自由，可能顺手改库"。
• 表结构告诉它"你有什么"：每张表、每列的名字和单位。解决"模型瞎猜字段名"。
• 示范示例（Few-shot，就是先给模型看几个示范答案）告诉它"成品长什么样"：类似的自然语言查询，过去应该产出什么SQL。解决"输出跑偏、格式漂移"。
• 安全约束告诉它"什么不能碰"：只准SELECT，禁写操作。解决"模型被诱导干危险的事"。

四样东西缺一样，出来的"菜"就容易馊。整条SQL生成链的可靠性，基本就取决于这四样东西写得好不好。

🛠️ 一条提示词的四个组成块

原理清楚了，下面把提示词搭出来。四个块都控制在8行以内，可以直接复制走改。

块1：表结构信息

表：members（会员） - member_id 会员ID - name 会员姓名 - tier 等级（gold/silver） - joined_at 入会日期 表：inventory（库存） - sku 商品编码 - stock_qty 当前库存（单位：件）

为什么这么写：字段名和单位都写死，模型就没有空间把stock_qty猜成qty；单位跟着字段走，不靠模型脑补。

块2：角色与安全边界

你是会员系统的SQL查询助手，只输出查询语句。 规则： 1. 只允许 SELECT，禁止 UPDATE/DELETE/DROP/INSERT 2. 不确定字段名时，回复"需要澄清"并列出可用字段 3. "最新/最近"默认指过去7天，且日期条件必须写进SQL

为什么这么写：把"禁区"和"模糊词的定义"写进规则，比指望模型自觉可靠；第2条让模型会主动说不知道，是把错误处理前置，翻车会少很多。

块3：示范示例

问：等级为gold且本月入会的会员有多少人？ 答：SELECT COUNT(*) FROM members WHERE tier='gold' AND joined_at >= date('now','-1 month') 问：库存低于50件的SKU有哪些？ 答：SELECT sku, stock_qty FROM inventory WHERE stock_qty < 50

为什么这么写：两条示例各覆盖一种模式（聚合、过滤），答案里用的全是块1的字段名，等于教模型"看见什么列名就用什么"，不许自己发明。

块4：输出格式

只输出一行SQL，包进 sql 代码块，不解释、不加注释。 无法判断时只输出：需要澄清：<你的问题>

为什么这么写：输出形状被钉死后，你的程序可以直接截取代码块里的内容去执行；答不上来时返回固定句式，也好被代码接住。

把提示词接进项目

四块齐了，接下来是把这套提示词模板接进项目，跑一条验证查询。

第1步，找现成的表结构和工具定义。06_chatbot_with_multiple_tools.ipynb 里内置了一张 customers 表（含 id、name、email、phone、username）和对应的订单数据，并演示了如何为数据库工具写 JSON schema；10_2_Appendix_Tool_Use.ipynb 的 SQL 练习则给了一个 users/products 迷你库，完整示范了"把表结构塞进系统提示词"的写法。

第2步，替换占位符。把搭建篇的骨架拿出来，"表结构信息"换成你真实字段的清单（就照上面 customers 表的格式抄一遍）；示范示例可参考 10_2 里的 users/products 示例数据，改成你自己的会员、库存查询。

第3步，跑一条验证查询。发一句"统计等级为gold的会员人数"，检查三件事：生成的SQL是否只用块1里定义的列名、是否只有一行且包在 sql 代码块里、能不能在数据库里执行成功。聚合和过滤两种模式各跑一条，都通过再交给同事。更多工具定义细节可以看 01_tool_use_overview.ipynb。

⚠️ 6个高频翻车点与修复口诀

上线后最常踩的就这六个坑。错误处理的本质是提前把歧义钉死，对照下面的表改就行：

上线前自查三件事：5条固定测试问句是否全跑过一遍？生成SQL里每个字段名是否都出现在表结构块里？一条"写操作测试问句"是否被安全规则挡住？

怎么判断你的提示词够不够好

口诀背了，验收还得靠数字而不是感觉。建议立三条标准：

1. 固定测试集：写5条固定问句，覆盖聚合、过滤、多表、模糊词、写操作陷阱各一条，每条附上预期SQL。每次改提示词模板都全量跑一遍，记通过率。
2. 字段匹配率：统计每条生成SQL里，字段名出现在表结构块中的比例，目标100%；出现一个没定义过的字段名，这条问句判失败。
3. 格式合规率：跑10次，统计输出为单一 sql 代码块或固定兜底句的比例，低于8/10说明块4没写到位。

搭这种"固定问句+自动判分"的评估流，可以参考 05_prompt_foo_code_graded_animals/lesson.ipynb——同目录的 animal_legs_tests.csv 就是现成的"问句-预期答案"表，整套方法在 prompt_evaluations/ 目录的教程里都有。验收达标后，顺着 tool use 教程 再接上真实数据库，你就把"一句话到查询结果"这条路走通了。

【免费下载链接】coursesAnthropic's educational courses项目地址: https://gitcode.com/GitHub_Trending/cours/courses