基于LLM的SQL应用程序开发实战（三）
用户的目标指令是：“Plot a pie chart of the most common voting methods in 2020”（“绘制2020年最常见投票方式的饼图”），当具体操作时，它是如何知道“I need to get the data for the voting methods”（“我需要获得投票方法的数据”）的呢？这是因为我们将用户目标输入给了语言模型，语言模型能够理解，然后，就需要调用Data数据工具，传递的内容是“What are the most common voting methods in 2020?”（“2020年最常见的投票方式是什么?”） ，工具根据这个问题生成了一个SQL查询语句，查询了ncvhis29表中相应的数据，并返回了结果。代理观察到结果并将其记录下来，回答了之前提出的问题。我们可以看到，最常见的投票方式是“Absentee Onestop”、“In-Person”、“Absentee by Mail”、“Absentee Curbside”和“Transfer”。在这里，它完成了第一步，它知道要查询相关的信息，然后才会进行可视化，这个是语言模型决定的。
在进行查询时，我们需要调用SQLDatabaseChain。它会根据行动输入的内容调用相应的链条，链条转过来会调用GPT-4或GPT-3.5模型，生成具体的SQL语句，进而调用工具生成具体的SQL结果。然后，我们这边会有一个具体的答案，这个结果是由大型语言模型根据SQLResult生成的自然语言表达方式，这样就完成了SQLDatabaseChain。关于数据库的操作，语言模型驱动了代理，代理转过来去操作数据库。我们再次回到