用自然语言查询数据库？SQLBot 助你一步到位

在数据分析场景中，许多用户希望无须手写 SQL 查询，即可快速获取数据洞见。SQLBot 正是为此设计——结合大语言模型（LLM）与 RAG（Retrieval-Augmented Generation 检索增强生成），实现“自然语言 → SQL”的智能转化，提供即时“问数”服务。

页面结构

页面分为三部分，如下图所示：
1.左侧导航栏【默认工作空间、智能问数、数据源、仪表板、设置、（底部）用户信息与权限管理】
2.中间工作区——展示不同模块的主要功能，例如当前显示的是「智能问数」的入口。
3.右侧功能面板——例如“新建对话”、“搜索”等操作按钮，方便快速进入使用场景。

进入系统管理页面【类似后台】，结构如下图所示
1.用户管理（当前页面）
2.工作空间：用于配置和管理不同的团队或项目空间。
3.AI 模型配置：设置和管理 SQLBot 背后的智能问答模型，例如选择不同的大语言模型或参数调优。
4.嵌入式管理：配置 SQLBot 与其他系统（如企业内部平台、BI 工具）的嵌入集成。
5.返回工作空间：快速返回主界面，继续进行数据查询和分析。

功能介绍

1.导入数据源

2.导入大模型

1.大模型的管理页面在系统配置中；
2.配置大模型，以Gemini为例。
注：其他大模型大同小异，主要就是拿到API Key。如何获取API Key

3.使用

在智能问答中选择新建对话，然后选择一个数据源，接着就可以提问进行数据分析。

返回的数据分析中会带一些功能【图形展示/数据概览/sql生成/导出/全屏】

其他功能讲解

4.仪表盘

仪表盘用于将多个查询/图表组合到一个可视化看板上，方便团队共享和日常查看

5.用户管理

用户管理在两个地方出现，一个是前台的用户管理，一个是系统配置的用户管理，如下图所示作用：

6.嵌入式管理

支持添加脚本使其他三方直接使用该聊天框。新增一个应用管理如下图

需要使用代码脚本注入，复制下面的脚本链接或者函数进代码中使用

使用场景表述

场景 A：业务人员无需懂 SQL 就能取数
业务部门同事直接以“今天新增用户是多少”这样的自然语言提问，即可快速获取结果，极大降低取数门槛，提升效率与自助能力。

场景 B：支持复杂查询与图表
在多表 JOIN、条件复杂的查询场景下，RAG 能提供语境上下文支持，生成更准确的 SQL，并能输出图表展示（若平台支持）。

场景 B：安全的数据权限管理
基于工作区的隔离机制，可以为不同团队/任务设置不同数据访问边界，让安全与协作并存。

场景 C：嵌入式问数机器人
将 SQLBot 嵌入到企业内部门户系统、BI 工具或 Slack/n8n 等平台里，打造对话式取数入口，改善用户体验和运营效率。

优势

1.基于 LLM + RAG 技术，SQLBot 提供高质量的 Text-to-SQL 转化；
2.支持智能问题推荐、数据分析、预测、SQL 语句查看等功能，并能生成柱状图、折线图等基础可视化图表