Text2SQL节点

​

节点特性

Text2SQL节点属于工具型处理节点，其核心特性是执行自然语言到SQL的转换操作并将结果封装为上下文变量，而非直接输出给用户。

​

工具节点 vs 输出节点

在LangChat Pro工作流中，节点按照输出特性分为两类： 输出节点（直接响应用户）：

• LLM大模型节点：支持流式输出
• 直接回复节点：输出变量内容

工具节点（上下文变量传递）：

• Text2SQL节点
• 百度搜索节点
• 知识库检索节点
• 其他功能节点

​

执行场景对比

​

Text2SQL节点

Text2SQL节点基于AI大模型，提供智能的自然语言到SQL查询的转换能力。

​

配置参数

​

输入参数

AI模型：

• 选择用于Text2SQL转换的AI模型
• 支持多种大模型选择
• 通过模型选择器配置
• 影响SQL生成的准确性和效果

合成内容：

• 支持动态引用流程上下文变量
• 支持静态文本输入
• 支持变量和文本的混合输入
• 通过智能变量选择器配置
• 待转换的自然语言查询

数据源：

• 选择要查询的数据源
• 支持多个数据源选择
• 通过数据源选择器配置
• 影响SQL生成的表结构信息

​

输出变量

模型生成的SQL：

• 数据类型：TEXT文本格式
• 内容：根据自然语言生成的SQL查询语句
• 用途：供下游节点引用和处理

​

典型使用场景

​

场景一：简单自然语言查询

适用场景：

• 用户自然语言查询转SQL
• 简单的数据库查询
• 非技术用户的数据库访问

​

场景二：Text2SQL+数据库执行

适用场景：

• 完整的自然语言到数据查询流程
• 智能化的数据库查询
• 自动化的数据检索

​

场景三：复杂查询生成

适用场景：

• 复杂的多表关联查询
• 高级数据分析查询
• 业务智能查询生成

​

场景四：条件化SQL生成

适用场景：

• 根据查询复杂度选择不同处理策略
• 智能化的SQL生成优化
• 自适应的查询处理

​

场景五：SQL验证和优化

适用场景：

• SQL查询的验证和优化
• 性能优化的SQL生成
• 智能化的查询优化