Text-to-SQL 数据分析师

Author: dugufeng Tags: language:chinese, text-to-sql, database, mysql, deepseek-coder, kimi, echarts Dify Version: v1.9.2+ (请填写你测试通过的 Dify 版本)

这是一个高级工作流，它充当一个“数据分析师”。它将用户的自然语言问题（基于一个示例数据库）转换为 SQL，执行查询，然后使用大模型将原始数据分析并总结为一份包含 ECharts 图表的报告。

🚀 关键前置条件 (Pre-conditions)

警告：这是一个高级工作流模板，需要你自行搭建数据库和 API 才能运行。

在运行此工作流之前，你 必须 准备好以下两个环境：

1. MySQL 数据库与 employees 数据集:

   • 你需要一个正在运行的 MySQL 数据库。
   • 你必须在这个数据库中导入 employees 示例数据集。
   • (PM 备注: 这是 Dify Prompt 中硬编码的 Schema。你可以从 GitHub - datacharmer/test_db 下载并导入这个数据集。)

2. 数据库 HTTP API 接口:

   • 你需要一个公开的 HTTP API 端点（例如用 Python Flask, Node.js Express 搭建）。
   • Dify 会将生成的 SQL 语句 POST 到这个 API。
   • 你的 API 必须能接收 {"sql_query": "SELECT..."} 格式的 JSON，执行它，并以 JSON 格式返回查询结果。

---

🚀 如何使用

1. 设置 LLM API 密钥:

   • 此工作流依赖 langgenius/deepseek 和 langgenius/siliconflow 供应商或者其他的大模型供应商。
   • 请确保你已在 Dify 的“凭据”中为 DeepSeek (用于 SQL 生成) 和 SiliconFlow (用于 Kimi 分析) 或其他大模型设置了有效的 API 密钥。

2. 【核心】配置 Dify HTTP 节点:

   • 在 Dify 画布中，打开“HTTP 请求”节点。
   • URL: 将默认的 http://sql_api:35003/execute_query 替换为你自己搭建的数据库 API 接口地址。
   • Headers: 根据你的 API 需求，配置 Authorization (例如 X-API-Key)。

3. 运行工作流:

   • 在“开始”节点的 user_request 变量中输入你的自然语言问题（例如：“研发部有多少员工？”或“薪水最高的10个人是谁？”）。
   • 运行工作流，并在“结束”节点查看 Kimi 生成的完整分析报告。

🛠️ 工作流节点

• 开始节点: 接收用户的自然语言问题 user_request。
• LLM 1 (SQL Expert): (使用 deepseek-coder) 将用户问题转换为一个 MySQL 查询。Prompt 内部硬编码了 employees 示例数据库的 Schema。
• HTTP 请求节点 (需用户配置): 将生成的 SQL 语句 (来自 LLM 1) 发送到你自己的数据库 API 端点。
• LLM 2 (Data Analyst): (使用 Kimi-K2-Instruct) 接收来自 HTTP 节点的 JSON 数据和用户的原始问题，将其汇总为一份 Markdown 报告，并生成 ECharts 图表。
• 结束节点: 输出最终的分析报告（包含 Markdown 表格和 ECharts JSON）。

📸 工作流截图 (推荐)

📸 运行截图 (推荐)