业务人员不会写SQL，每次统计订单、分析营收都要找开发；DBA每天重复解析慢SQL、手动建索引，大量时间消耗在重复工作上。

本文完整分享InnoAI SQL助手实战项目：基于国产化openEuler服务器，结合MySQL 8.0、腾讯TokenHub大模型，实现自然语言生成只读SQL、自动查询、AI业务解读、EXPLAIN智能调优，同时提供命令行+Streamlit网页双端，全程可落地、含完整部署代码与界面演示

 

项目亮点

1. 纯国产化Linux环境部署，适配企业服务器标准；

2. 双层安全防护：仅放行SELECT、密钥文件600权限隔离；

3. 一套业务代码复用终端+Web，无重复开发；

4. 自动识别全表扫描/文件排序，输出可直接执行索引语句；

5. systemd托管网页服务，开机自启、崩溃自动重启。

分类 组件

操作系统 openEuler 2203 SP4

数据库 MySQL 8.0.45（二进制部署）

Python 3.11.9 源码独立编译

大模型网关 腾讯云TokenHub（DeepSeek V4 Pro / Qwen3.5-Plus）

Python依赖 pymysql、python-dotenv、langchain-openai、Streamlit、tabulate

交互入口 终端CLI + Streamlit可视化Web

一、整体四层技术架构

 1. 接入交互层（双使用入口）

- 命令行终端： python3 main.py  交互式菜单，适合运维调试、批量测试；

​

- Streamlit网页：浏览器可视化面板，业务人员直接使用，自带输入校验、表格渲染、代码复制。

2. Python核心分层（解耦设计，5个核心文件）

1.  main.py ：总调度层，封装NL2SQL、SQL调优公共逻辑，CLI/Web共用底层函数；

​

2.  web_main.py ：Web界面层，只做UI渲染，不重复业务代码；

​

3.  prompts.py ：提示词工程层，统一管理SQL生成/调优Prompt，内置SQL清洗提取工具；

​

4.  mysql_client.py ：数据访问层，封装数据库连接、SQL危险语句拦截、EXPLAIN获取；

​

5.  .env ：独立配置文件，存放数据库账号、LLM密钥，敏感信息与代码分离。

3. 底层数据持久层

openEuler虚拟机部署MySQL 8.0.45，单业务库 testdb ，唯一业务表 order_info 电商订单表，预置20条标准测试订单数据，作为项目唯一数据源。

4. AI大模型服务层

依托腾讯云TokenHub聚合网关，一套API兼容DeepSeek、通义千问等多款模型，统一鉴权计费，无需对接多家厂商SDK。

 二、环境完整部署教程

2.1 openEuler系统初始化

关闭防火墙与SELinux、配置阿里NTP时间同步、安装编译依赖

 

 2.2 Python3.11.9 源码编译安装

1. 上传源码包至 /usr/local/src ，编译独立环境，不覆盖系统Python

 2. 配置国内pip镜像并安装项目依赖

 2.3 MySQL 8.0.45 二进制部署

1. 创建mysql系统用户、初始化数据库、配置systemd自启服务；

2. 新建业务库 testdb 与订单表 order_info ，插入20条测试数据：

 （我这里是因为创过了所以显示存在，正常情况是提示，ok）

2.4 腾讯TokenHub大模型密钥申请

1. 腾讯云完成实名认证，进入TokenHub平台新建API Key；
​
2. 推荐无长思考链模型： deepseek-v4-pro  /  qwen3.5-plus ；
​
3. 新建项目配置文件 .env ，设置600权限防止密钥泄露！

 

 三、项目核心代码分层讲解

项目目录结构

/opt/mysql_ai_tools
├── .env                # 密钥配置（600权限）
├── main.py             # 核心调度、终端入口
├── mysql_client.py     # 数据库封装+SQL安全拦截
├── prompts.py          # 提示词统一管理
└── web_main.py         # Streamlit网页界面

3.1 mysql_client.py 安全数据库层

核心能力：危险SQL拦截，正则匹配 INSERT/UPDATE/DELETE/DROP/ALTER 等语句直接抛出异常，仅允许SELECT；封装 execute_query 普通查询、 get_explain_plan 执行计划获取，自动管理数据库连接释放。

3.2 prompts.py 提示词工程

统一维护 order_info 表结构，两套Prompt模板：

1. NL2SQL模板：约束模型仅输出 sql 代码块，禁止编造字段、只生成只读查询；

2. SQL调优模板：传入EXPLAIN数据，要求输出性能缺陷、建索引语句、优化SQL；

内置 extract_sql 静态方法，三层正则清洗大模型冗余文本，提取纯净可执行SQL。

 3.3 main.py 业务总调度

两大核心对外函数（终端/网页复用）

1.  nl2sql_query(user_input) ：自然语言→生成SQL→数据库执行→AI生成业务总结；

2.  sql_tune_analyze(raw_sql) ：接收慢SQL→获取执行计划→AI输出索引优化方案；

内置 clean_sql_spacing 工具，自动修复中文标点、全角空格、关键字粘连导致的SQL语法报错。

 3.4 web_main.py Streamlit可视化页面

无需前端JS/CSS，纯Python搭建页面，侧边栏双功能切换：

- 🔍 数据查询与总结：输入中文需求，一键生成SQL+表格+业务解读；

- ⚙️ SQL性能调优：粘贴SELECT语句，自动展示EXPLAIN表格与优化建议；

增加全局CSS美化、代码复制修复、空输入/非法输入拦截校验。

项目执行

 

 

四、Web后台systemd常驻部署

编写服务单元 /etc/systemd/system/mysql-ai-web.service ，实现开机自启、进程异常自动重启

 生效启动命令

最后得到的IP在浏览器可以打开简易服务及完成，可以方便非sql人员使用。

 项目安全与稳定性设计

1. SQL操作隔离：黑名单拦截所有写/删/改语句，杜绝AI幻觉篡改数据库；

2. 密钥安全管控： .env 文件权限600，代码无硬编码、日志不打印账号密钥明文；

3. 全量异常捕获：数据库连接失败、大模型API超时、SQL语法错误均友好提示，程序不崩溃；

4. SQL自动清洗：统一中英文标点、清除特殊空白字符，解决大模型输出语法报错；

5. 进程高可用：Web服务systemd托管，服务器开机自动启动、进程宕机3秒重启。

项目不足与后续扩展方向

1. 当前仅支持单表查询，后续增加多表JOIN关联能力；
​
2. 新增用户登录权限体系，区分业务只读账号、管理员调优账号；
​
3. 增加查询结果Excel导出、历史查询记录持久化；
​
4. 支持本地私有化开源大模型，脱离公有云TokenHub；
​
5. 定时慢SQL巡检、自动推送优化报告。

总结

本项目完整覆盖国产化服务器环境搭建、Python分层工程开发、大模型NL2SQL落地、Web可视化部署全流程，把AI大模型与MySQL运维深度结合，解决业务人员查数难、DBA优化重复劳动两大痛点。

整套工具轻量化、易部署，适配中小企业数据查询、SQL性能优化一体化落地，可作为Linux运维、Python后端、大模型应用综合实战学习项目。