工作流概述

这是一个基于AI的PostgreSQL数据库智能对话助手工作流，允许用户通过自然语言与数据库进行交互查询。该工作流利用OpenAI的语言模型理解用户意图，自动生成和执行SQL查询，并以友好的方式返回查询结果。

核心功能

智能查询生成 工作流通过AI Agent理解用户的自然语言请求，自动生成符合数据库结构的SQL查询语句。AI会确保查询中的表名包含正确的schema前缀，避免查询错误。

数据库结构感知 系统能够自动获取数据库的schema信息、表列表以及表的详细定义（包括列名、数据类型、外键关系等），使AI能够生成准确的查询语句。

对话记忆功能 集成了聊天历史记录功能，默认保留最近5条对话记录，使AI能够理解上下文，提供更连贯的对话体验。

工作流组成

触发器节点

• When chat message received: 聊天消息触发器，接收用户的查询请求

核心处理节点

• AI Agent: 智能代理节点，协调整个查询流程，使用OpenAI Functions Agent模式
• OpenAI Chat Model: 使用GPT-4o-mini模型提供AI能力
• Chat History: 缓冲窗口记忆模块，管理对话历史

工具节点（AI Agent可调用的工具）

1. Execute SQL Query: 执行AI生成的SQL查询语句
2. Get DB Schema and Tables List: 获取数据库中所有表和对应的schema名称
3. Get Table Definition: 获取指定表的详细定义信息，包括列、数据类型、约束和外键关系

系统提示词

AI助手被配置为数据库助手角色，主要职责包括：

• 根据用户请求运行数据库查询
• 生成自定义SQL查询来聚合数据
• 确保每个表名都带有正确的schema前缀
• 获取所有必要数据进行分析后再响应用户

技术特点

自动化Schema管理 工作流能够自动识别和管理数据库schema，确保生成的SQL查询语法正确。

智能数据分析 AI不仅执行查询，还能分析返回的数据，为用户提供有意义的解释和洞察。

灵活的模型选择 支持替换为其他聊天模型，具有良好的扩展性。

可定制的上下文窗口 可以调整聊天历史的保留数量，在性能和上下文理解之间取得平衡。

使用场景

• 业务分析师快速查询业务数据
• 非技术人员通过自然语言访问数据库
• 数据探索和临时查询
• 自动化报表生成
• 数据库结构学习和理解

配置要求

1. PostgreSQL数据库凭证
2. OpenAI API凭证
3. 可选：调整对话历史窗口长度（默认5条）
4. 可选：激活工作流使聊天公开可用