当前位置：首页 > news >正文

再见 MyBatis Generator！我用 Java 调用 DeepSeek 实现了“自然语言查库” (Text-to-SQL)

news 2026/7/8 10:31:37

🗑️ 前言：受够了`QueryWrapper`的拼装

做 Java 后端的兄弟们，这种代码你们一定写吐过：

// 传统写法：为了查个数据，拼了一堆条件LambdaQueryWrapper<User>wrapper=newLambdaQueryWrapper<>();wrapper.eq(User::getStatus,1).ge(User::getCreateTime,"2025-01-01").like(User::getName,"张").orderByDesc(User::getId);List<User>list=userMapper.selectList(wrapper);

或者用 MyBatis Generator 生成一堆臃肿的 XML，为了加个字段还得改半天。

时代变了。
现在的 AI（特别是国产之光DeepSeek-V3/R1）在写 SQL 方面已经达到了精通级别。
我们为什么还要手动拼条件？为什么不能直接对系统说：

“帮我查一下 2025 年注册的、姓张的活跃用户，按注册时间倒序排。”

今天，我就带大家用Java + DeepSeek API，手搓一个Text-to-SQL引擎，彻底颠覆你的查库体验！

🧠 核心原理：AI 是怎么“懂”你的数据库的？

AI 不是神，它不知道你数据库里有张表叫t_user，也不知道status=1代表活跃。
我们需要用到RAG (检索增强生成)的思路，把数据库的Schema (元数据)喂给 AI。

流程图解：

🛠️ 实战开发：三步实现“说话即查询”

我们将使用 Spring Boot 和标准的 HTTP Client 来实现。

第一步：提取数据库“骨架” (Schema)

AI 需要知道表名和字段名才能写 SQL。我们可以写一个工具类，利用DataSource提取 DDL。

importjava.sql.Connection;importjava.sql.DatabaseMetaData;importjava.sql.ResultSet;publicStringgetTableSchema(StringtableName){StringBuilderschema=newStringBuilder();try(Connectionconn=dataSource.getConnection()){DatabaseMetaDatameta=conn.getMetaData();// 获取列信息ResultSetcolumns=meta.getColumns(null,null,tableName,null);schema.append("Table: ").append(tableName).append("\nColumns:\n");while(columns.next()){StringcolName=columns.getString("COLUMN_NAME");Stringtype=columns.getString("TYPE_NAME");Stringremarks=columns.getString("REMARKS");// 字段注释很重要！schema.append(String.format(" - %s (%s): %s\n",colName,type,remarks));}}catch(Exceptione){e.printStackTrace();}returnschema.toString();}

生成的 Context 类似：

Table: t_user
Columns:
user_id (BIGINT): 用户主键
status (INT): 状态 1正常 0冻结

第二步：构造超级 Prompt (提示词工程)

这是最关键的一步。我们要告诉 DeepSeek：你是一个 SQL 专家，不要废话，只给我 SQL。

publicStringgenerateSql(StringuserQuery,StringtableSchema){StringsystemPrompt=""" 你是一个 MySQL 专家。请根据提供的表结构，将用户的自然语言转换为 SQL 语句。 【要求】 1. 只返回 SQL 语句，不要包含 Markdown 格式（如 ```sql）。 2. 不要解释，不要啰嗦。 3. 只能进行 SELECT 操作，严禁 DELETE/UPDATE/DROP。 4. 如果无法生成，返回 "ERROR"。 """;StringuserPrompt=String.format(""" 【表结构】 %s 【用户需求】 %s """,tableSchema,userQuery);// 调用 DeepSeek API (伪代码)returndeepSeekClient.chat(systemPrompt,userPrompt);}

第三步：执行 SQL 并返回结果

拿到 SQL 后，用JdbcTemplate执行它。

@RestController@RequestMapping("/ai/sql")publicclassAiSqlController{@AutowiredprivateJdbcTemplatejdbcTemplate;@PostMapping("/query")publicList<Map<String,Object>>query(@RequestBodyStringquestion){// 1. 获取 Schema (这里以 t_user 为例，实际可动态获取)Stringschema=getTableSchema("t_user");// 2. AI 生成 SQLStringsql=aiService.generateSql(question,schema);System.out.println("🤖 AI 生成 SQL: "+sql);// 3. 安全检查 (简单版)if(!sql.trim().toLowerCase().startsWith("select")){thrownewRuntimeException("安全警告：AI 试图执行非查询操作！");}// 4. 执行并返回returnjdbcTemplate.queryForList(sql);}}

💥 效果演示：见证 AI 的压迫感

启动服务，用 Postman 发送请求：

Input:

“统计每个月注册的用户数量，只要 2024 年的数据。”

Console Output:

🤖 AI 生成SQL:SELECTDATE_FORMAT(create_time,'%Y-%m')ASmonth,COUNT(*)AScountFROMt_userWHEREcreate_time>='2024-01-01 00:00:00'ANDcreate_time<='2024-12-31 23:59:59'GROUPBYmonth;

Response:

[{"month":"2024-01","count":120},{"month":"2024-02","count":85}]

完美的日期格式化，完美的 Group By！
如果你用QueryWrapper写这段逻辑，起码要 5 行代码，还要查DATE_FORMAT的语法。而 AI 只需要 1 秒。

🛡️ 生产环境避坑指南

虽然很爽，但要在大厂上线，还得解决三个问题：

安全性 (SQL Injection)：
- 账号隔离：执行 SQL 的 JDBC 连接，必须配置只读权限 (Read-Only)的数据库账号。
- 规则拦截：在 Java 层拦截DROP,TRUNCATE,GRANT等敏感关键词。
准确性 (Ambiguity)：
- 字段名要写好注释。AI 只有看到注释“1表示正常”，才知道status=1。
- 使用Few-Shot (少样本学习)：在 Prompt 里给 AI 几个标准问答的例子，它的准确率会飙升。
性能 (Latency)：
- 大模型生成 SQL 需要时间（约 1-2 秒）。这不适合高并发的 C 端接口，但非常适合B 端后台、报表系统、数据分析平台。