如何让LangChain仅生成符合BigQuery语法的SQL查询？

• 精准强化提示词的BigQuery语法约束
  把BigQuery的核心语法规则明确写入提示词，避免模型模糊判断。示例：

  PROMPT = """你需要生成仅适用于BigQuery的SQL查询语句，从sales数据集获取所需信息。严格遵循以下规则：
  1. 字符串常量使用单引号，禁止用双引号
  2. 日期时间函数使用BigQuery专属的CURRENT_TIMESTAMP()、DATE()、DATETIME()，禁止使用NOW()、SYSDATE()等其他数据库函数
  3. 数组处理使用UNNEST()函数，不要用其他数据库的数组展开语法
  4. 分区表查询需符合BigQuery分区过滤规则，避免全表扫描
  5. 仅返回可直接在BigQuery中执行的完整SQL语句，不要添加任何额外解释"""
  

• 指定数据库方言为BigQuery
  初始化SQLDatabase时明确指定dialect为bigquery，让LangChain的SQL生成逻辑适配BigQuery语法：

  from langchain.sql_database import SQLDatabase
  from langchain.chains import SQLDatabaseChain
  
  # 初始化BigQuery数据库连接，指定dialect
  db = SQLDatabase.from_uri(
      "bigquery://your-project-id/your-dataset",
      dialect="bigquery"
  )
  # 创建SQLDatabaseChain
  chain = SQLDatabaseChain.from_llm(llm, db, verbose=True)
  

• 添加BigQuery语法预校验环节
  在执行生成的SQL前，通过BigQuery的dry run功能校验语法有效性，无效则触发模型重新生成：

  from google.cloud import bigquery
  
  def validate_bigquery_sql(sql):
      client = bigquery.Client()
      job_config = bigquery.QueryJobConfig(dry_run=True, use_query_cache=False)
      try:
          client.query(sql, job_config=job_config)
          return True
      except Exception as e:
          print(f"语法错误：{e}")
          return False
  
  # 集成到LangChain流程中，先校验再执行
  def run_chain_with_validation(chain, question):
      sql = chain.generate_sql(question)  # 获取生成的SQL
      if validate_bigquery_sql(sql):
          return chain.run(sql)
      else:
          # 重新生成SQL，可加入重试逻辑
          return chain.run(question + " 请生成符合BigQuery语法的SQL，不要出现语法错误")
  

• 使用SQLCheckerChain修正语法
  利用LangChain内置的SQLCheckerChain自动检查并修正生成的SQL，确保适配BigQuery：

  from langchain.chains import SQLCheckerChain
  
  checker_chain = SQLCheckerChain.from_llm(llm, db=db, verbose=True)
  # 先生成原始SQL，再用检查器修正
  raw_sql = chain.generate_sql(question)
  corrected_sql = checker_chain.run(sql=raw_sql)
  

• 加入BigQuery示例查询引导
  在提示词中加入1-2个正确的BigQuery查询示例，让模型参考格式生成：

  PROMPT = """请生成仅适用于BigQuery的SQL查询，从sales数据集获取信息。参考以下正确示例：
  示例1：获取2023年销售额
  SELECT DATE_TRUNC(order_date, YEAR) AS year, SUM(total_amount) AS total_sales
  FROM sales.orders
  WHERE order_date BETWEEN '2023-01-01' AND '2023-12-31'
  GROUP BY year;
  
  示例2：获取Top 5客户
  SELECT customer_id, SUM(total_amount) AS total_spent
  FROM sales.orders
  GROUP BY customer_id
  ORDER BY total_spent DESC
  LIMIT 5;
  
  严格遵循BigQuery语法，仅返回可执行的SQL语句"""
  

内容的提问来源于stack exchange，提问作者Kamran Khan Khilji