Spring AI + DeepSeek 实战：5分钟搞定一个能听懂人话的数据库查询工具

Spring AI DeepSeek 实战5分钟搞定一个能听懂人话的数据库查询工具在数据驱动的时代数据库查询是每个开发者绕不开的日常任务。但当你面对产品经理频繁变更的需求或是运营同事临时提出的数据提取请求时反复编写和调试SQL语句可能成为效率黑洞。更不用说那些对SQL语法一知半解的非技术同事他们往往需要等待开发者翻译业务问题为数据库语言。想象一下这样的场景周一晨会上市场部同事提出帮我找出过去三个月复购率低于20%但客单价超过500元的高价值用户你需要快速在脑海中构建表关联逻辑、编写条件判断——而这一切其实可以通过自然语言直接完成。1. 环境准备最小化起步配置开始前确保你的开发环境满足以下基础要求JDK 17或更高版本Maven 3.6或Gradle 7.x一个可用的DeepSeek API Key注册过程约2分钟任意Spring Boot支持的数据库MySQL/PostgreSQL等创建Spring Boot项目时在pom.xml中添加关键依赖dependencies dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-web/artifactId /dependency dependency groupIdorg.springframework.ai/groupId artifactIdspring-ai-deepseek/artifactId version0.8.1/version /dependency !-- 根据实际数据库选择 -- dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-data-jpa/artifactId /dependency /dependencies提示Spring AI目前仍处于快速迭代阶段建议通过Spring Initializr生成项目时勾选Spring AI模块可自动处理版本兼容问题。2. 核心配置连接AI与数据库的桥梁在application.yml中配置DeepSeek访问凭证和数据库连接spring: ai: deepseek: api-key: ${DEEPSEEK_API_KEY} chat: options: model: deepseek-chat temperature: 0.3 # 控制SQL生成稳定性 datasource: url: jdbc:mysql://localhost:3306/biz_db username: db_user password: db_pass driver-class-name: com.mysql.cj.jdbc.Driver关键参数说明参数建议值作用temperature0.3-0.7值越低SQL生成越保守maxTokens500-1000控制生成SQL的最大长度topP0.9-1.0影响SQL语法多样性创建数据库元数据服务类为AI提供表结构上下文Service public class SchemaService { Autowired private JdbcTemplate jdbcTemplate; public String getSchemaDescription() { String schema jdbcTemplate.execute((ConnectionCallbackString) conn - { DatabaseMetaData meta conn.getMetaData(); ResultSet tables meta.getTables(null, null, %, new String[]{TABLE}); StringBuilder sb new StringBuilder(); while (tables.next()) { String tableName tables.getString(TABLE_NAME); sb.append(表).append(tableName).append(包含字段); ResultSet columns meta.getColumns(null, null, tableName, null); while (columns.next()) { sb.append(columns.getString(COLUMN_NAME)).append(() .append(columns.getString(TYPE_NAME)).append(), ); } sb.append(\n); } return sb.toString(); }); return 数据库结构如下\n schema; } }3. 实现自然语言到SQL的转换引擎构建核心的Text2SQL服务层Service public class Text2SQLService { Autowired private DeepSeekChatClient chatClient; Autowired private SchemaService schemaService; public String generateSQL(String userQuery) { String promptTemplate 你是一个专业的SQL生成器。根据以下数据库结构和用户需求生成标准SQL 数据库结构 %s 用户需求%s 要求 1. 只输出SQL语句不要解释 2. 使用JOIN代替子查询 3. 包含合理的WHERE条件 4. 按业务逻辑添加适当索引提示 ; String fullPrompt String.format(promptTemplate, schemaService.getSchemaDescription(), userQuery); return chatClient.call(fullPrompt); } }优化提示词的几个技巧明确输出格式要求AI只输出SQL语句避免多余解释约束语法风格指定使用JOIN等优化手段添加业务上下文如客单价订单总额/购买次数防范SQL注入提示中强调不要使用动态SQL拼接4. 构建RESTful API接口创建极简控制器暴露服务RestController RequestMapping(/api/query) public class QueryController { Autowired private Text2SQLService sqlService; Autowired private JdbcTemplate jdbcTemplate; PostMapping public QueryResult executeQuery(RequestBody UserQuery request) { try { String sql sqlService.generateSQL(request.getQuestion()); ListMapString, Object data jdbcTemplate.queryForList(sql); return new QueryResult(sql, data); } catch (Exception e) { return new QueryResult(错误 e.getMessage(), null); } } record UserQuery(String question) {} record QueryResult(String sql, ListMapString, Object data) {} }测试案例curl -X POST http://localhost:8080/api/query \ -H Content-Type: application/json \ -d {question:找出过去三个月购买次数大于3次但最近30天没有登录的用户}典型响应结构{ sql: SELECT user_id, username FROM users WHERE last_login DATE_SUB(NOW(), INTERVAL 30 DAY) AND user_id IN (SELECT user_id FROM orders WHERE order_date DATE_SUB(NOW(), INTERVAL 3 MONTH) GROUP BY user_id HAVING COUNT(*) 3), data: [ {user_id: 42, username: test_user}, ... ] }5. 生产环境增强策略5.1 性能优化方案为高频查询添加缓存层Cacheable(value queryCache, key #userQuery.hashCode()) public QueryResult executeQuery(String userQuery) { // 原有逻辑 }配置缓存策略spring: cache: type: caffeine caffeine: spec: maximumSize500,expireAfterWrite10m5.2 安全防护措施实现SQL预检机制public void validateSQL(String sql) { // 检查是否包含危险操作 if (sql.matches((?i).*\\b(DROP|DELETE|TRUNCATE|GRANT)\\b.*)) { throw new SecurityException(危险SQL操作被拦截); } // 检查执行计划预估行数 String explainSql EXPLAIN sql; ListMapString, Object plan jdbcTemplate.queryForList(explainSql); long estimatedRows plan.stream() .mapToLong(p - Long.parseLong(p.get(rows).toString())) .sum(); if (estimatedRows 100_000) { throw new RuntimeException(查询可能返回过多数据请添加限制条件); } }5.3 监控与改进添加查询日志分析Aspect Component public class QueryLogAspect { Autowired private QueryLogRepository logRepo; AfterReturning(pointcut execution(* com..QueryController.*(..)), returning result) public void logQuery(QueryResult result) { QueryLog log new QueryLog(); log.setGeneratedSql(result.sql()); log.setExecutionTime(LocalDateTime.now()); log.setResultSize(result.data() ! null ? result.data().size() : 0); logRepo.save(log); } }定期执行的优化建议任务Scheduled(cron 0 0 3 * * ?) public void generateOptimizationReport() { ListQueryLog frequentQueries logRepo.findTop10ByOrderByExecutionCountDesc(); String report frequentQueries.stream() .map(log - { String optimized sqlService.generateSQL( 请优化以下SQL log.getGeneratedSql()); return String.format(原SQL%s\n优化建议%s, log.getGeneratedSql(), optimized); }) .collect(Collectors.joining(\n\n)); emailService.sendReport(report); }6. 前端集成方案对于快速验证可以使用以下HTML模板创建简易界面!DOCTYPE html html head title自然语言查询工具/title script srchttps://unpkg.com/htmx.org1.9.6/script style #results { font-family: monospace; white-space: pre; } .sql { background: #f5f5f5; padding: 10px; } /style /head body h1用自然语言查询数据库/h1 form hx-post/api/query hx-target#results input typetext namequestion size50 placeholder例如显示上季度销售额TOP10客户 button typesubmit查询/button /form div idresults/div script document.body.addEventListener(htmx:afterRequest, function(evt) { if (evt.detail.successful) { const data JSON.parse(evt.detail.xhr.responseText); document.getElementById(results).innerHTML div classsql${data.sql}/div pre${JSON.stringify(data.data, null, 2)}/pre; } }); /script /body /html关键交互优化点使用HTMX实现无刷新提交保留历史查询记录添加查询语法高亮支持结果导出CSV7. 进阶扩展方向当基本功能跑通后可以考虑以下增强功能多数据源支持public class DataSourceRouter { Autowired private MapString, JdbcTemplate templates; public JdbcTemplate determineTemplate(String query) { // 根据查询内容选择数据源 if (query.contains(销售)) return templates.get(salesDb); if (query.contains(用户)) return templates.get(userDb); return templates.get(defaultDb); } }可视化查询构建器// 使用React构建交互式查询条件 function QueryBuilder() { const [conditions, setConditions] useState([]); const addCondition (field, operator, value) { setConditions([...conditions, {field, operator, value}]); }; const generateQuery () { return 查找${conditions.map(c ${c.field} ${c.operator} ${c.value}).join(且)}的数据; }; }语音输入支持button idmicButton onclickstartRecording() img srcmic-icon.png alt语音输入 /button script function startRecording() { const recognition new webkitSpeechRecognition(); recognition.lang zh-CN; recognition.onresult function(event) { document.querySelector(input[namequestion]) .value event.results[0][0].transcript; }; recognition.start(); } /script在实际项目中部署这套方案时初期可能会遇到约15%-20%的查询需要人工修正但随着持续优化提示词和补充业务规则库这个比例可以快速下降到5%以下。一个实用的技巧是建立查询-修正反馈循环将人工修正后的SQL作为新的训练数据持续改进系统。