如何通过Schema文件创建SQLDatabase？能否替代SQLDatabaseChain？

1. 能否通过Schema文件创建SQLDatabase，无需实际数据库连接？ #

可以。LangChain的SQLDatabase支持仅通过表结构元数据初始化，不需要连接真实数据库。你可以从SQL DDL文件、JSON格式的Schema文件解析内容，或者手动构造表结构信息传入。

举个从DDL字符串创建的示例：

from langchain.sql_database import SQLDatabase

# 从DDL语句初始化，指定数据库方言
ddl_content = """
CREATE TABLE users (
    id INT PRIMARY KEY,
    name VARCHAR(50),
    email VARCHAR(100) UNIQUE
);
CREATE TABLE orders (
    order_id INT PRIMARY KEY,
    user_id INT,
    order_date DATE,
    total_amount DECIMAL(10,2),
    FOREIGN KEY (user_id) REFERENCES users(id)
);
"""
db = SQLDatabase.from_string(ddl_content, dialect="postgresql")

这种方式下，SQLDatabase只会基于你提供的Schema生成SQL，不会执行任何实际数据库操作，完全符合你只生成SQL不执行查询的需求。

2. 是否可不使用SQLDatabaseChain，通过其他方式将Schema提供给LLM处理？ #

当然可以。你可以直接将Schema整理成结构化文本，作为prompt的一部分喂给LLM，或者用系统消息传递给Chat模型，让它基于Schema生成SQL。

方法一：构造包含Schema的Prompt模板 #

把表结构、字段类型、关联关系整理成清晰的文本，嵌入到prompt中：

from langchain.llms import OpenAI
from langchain.prompts import PromptTemplate

llm = OpenAI(temperature=0)

# 整理后的Schema信息
schema_details = """
数据库表结构：
- users表：
  id（INT，主键）、name（VARCHAR(50)）、email（VARCHAR(100)，唯一）
- orders表：
  order_id（INT，主键）、user_id（INT，外键关联users.id）、order_date（DATE）、total_amount（DECIMAL(10,2)）
"""

# 定义Prompt模板
sql_gen_prompt = PromptTemplate(
    input_variables=["user_query"],
    template="""基于以下数据库Schema生成对应的SQL语句，不要执行查询：
{schema_details}
用户需求：{user_query}
生成的SQL："""
)

# 生成SQL
prompt = sql_gen_prompt.format(schema_details=schema_details, user_query="查询所有用户的订单总金额")
sql_result = llm(prompt)
print(sql_result)

方法二：用Chat模型的系统消息传递Schema #

如果使用Chat类模型（如GPT-3.5/4），可以将Schema作为系统消息传入，让模型更精准地理解数据库结构：

from langchain.chat_models import ChatOpenAI
from langchain.schema import SystemMessage, HumanMessage

chat_model = ChatOpenAI(temperature=0)

system_message = SystemMessage(content=f"你是SQL生成专家，仅基于以下数据库Schema生成SQL语句，不执行查询：{schema_details}")
user_message = HumanMessage(content="统计2023年每个用户的订单数量")

response = chat_model([system_message, user_message])
print(response.content)

内容的提问来源于stack exchange，提问作者eLAN