3.2 MySQL8.0.45部署与业务表初始化
 
1. 解压MySQL二进制包，创建mysql系统用户，后台启动服务并配置systemd托管；
2. 修改root密码为原生密码插件，适配Python连接；
3. 创建测试库 testdb 与订单业务表 order_info ，导入20条测试数据：

3.3 腾讯云TokenHub大模型配置
 
1. 注册腾讯云完成实名认证，进入TokenHub平台创建API Key：

选择创建密钥并复制。
2. 推荐选用无思考链模型：Qwen3.5-Plus、DeepSeek V4 Pro，避免模型冗余思考文本干扰SQL提取；新用户注册可获得百万tokens，便于操作与实验。

3. 编写 .env 配置文件，统一存放数据库、大模型密钥，加固文件权限防止泄露：

四、核心代码模块设计思路
 
4.1 mysql_client.py：数据库安全封装
 
核心设计点：
 
1. 内置SQL安全校验正则，拦截所有DML/DDL危险语句，仅放行SELECT；
2. 封装统一查询、EXPLAIN执行计划获取方法；
3. 自动捕获数据库连接、SQL语法异常，抛出友好提示；
4. 连接自动关闭，避免数据库连接泄漏。

# -*- coding: utf-8 -*-
# 文件名：mysql_client.py
# 功能：MySQL8.0数据库统一封装类
# 作用：封装数据库连接、普通查询、EXPLAIN执行计划、SQL安全拦截，统一抛出友好异常，给上层业务调用
import pymysql
import os
import re
from dotenv import load_dotenv

# 加载项目根目录下.env文件的数据库配置
load_dotenv()

class Mysql80Client:
    # 数据库操作封装类，所有数据库相关操作统一在此管理
    def __init__(self):
        # 初始化时读取环境变量，参数缺失则设置兜底默认值，防止程序直接崩溃
        self.host = os.getenv("MYSQL_HOST", "127.0.0.1")
        self.port = int(os.getenv("MYSQL_PORT", "3306"))
        self.user = os.getenv("MYSQL_USER", "root")
        self.password = os.getenv("MYSQL_PASSWORD", "")
        self.database = os.getenv("MYSQL_DB", "testdb")
        # 数据库连接对象，初始为空
        self.conn = None
        # 实例创建后自动建立数据库连接
        self.connect()

    def connect(self):
        """创建数据库连接，捕获连接异常并抛出可读错误信息"""
        try:
            self.conn = pymysql.connect(
                host=self.host,
                port=self.port,
                user=self.user,
                password=self.password,
                database=self.database,
                charset='utf8mb4',  # 支持中文、emoji完整字符集
                cursorclass=pymysql.cursors.DictCursor  # 查询结果以字典返回，方便按字段取值
            )
        except pymysql.MySQLError as e:
            # MySQL专属连接错误，提示账号、地址、密码排查方向
            raise Exception(f"数据库连接失败，请检查地址/账号/密码：{e.args[1]}")
        except Exception as e:
            # 其余未知连接异常统一捕获
            raise Exception(f"数据库连接异常：{str(e)}")

    @staticmethod
    def _check_sql_safety(sql: str) -> None:
        """
        静态私有安全校验方法
        核心防护：拦截增删改、建表删表等危险操作，仅允许SELECT查询，防止AI生成危险SQL篡改数据
        """
        # 去除首尾空格并转为大写，统一匹配规则
        sql_trim = sql.strip().upper()
        # 危险操作关键字黑名单
        danger_keywords = ["INSERT", "UPDATE", "DELETE", "DROP", "ALTER", "CREATE", "TRUNCATE", "REPLACE"]
        for kw in danger_keywords:
            # 单词边界匹配，避免字段名包含关键字时误拦截
            if re.search(r'\b' + re.escape(kw) + r'\b', sql_trim):
                raise Exception(f"安全拦截：禁止执行 {kw} 类型语句，仅支持 SELECT 查询")

    def execute_query(self, sql: str):
        """
        执行普通SELECT查询
        :param sql: 待执行查询语句
        :return: (字段名列表, 全部数据行字典列表)
        """
        # 执行SQL前先做安全校验，拦截危险语句
        self._check_sql_safety(sql)
        try:
            # with自动管理游标，用完自动释放资源
            with self.conn.cursor() as cursor:
                cursor.execute(sql)
                # 提取查询结果表头字段
                columns = [desc[0] for desc in cursor.description]
                # 读取全部查询数据
                rows = cursor.fetchall()
                return columns, rows
        except pymysql.MySQLError as e:
            # 捕获SQL语法、表不存在等数据库执行错误
            raise Exception(f"SQL执行失败（错误码 {e.args[0]}）：{e.args[1]}")
        except Exception as e:
            # 通用查询异常兜底
            raise Exception(f"查询异常：{str(e)}")

    def get_explain_plan(self, sql: str):
        """
        获取SQL执行计划EXPLAIN，用于性能调优分析
        :param sql: 待分析SELECT语句
        :return: (执行计划表头, 执行计划详情数据)
        """
        # 同样先校验SQL安全性
        self._check_sql_safety(sql)
        # 拼接EXPLAIN关键字，生成分析语句
        explain_sql = f"EXPLAIN {sql}"
        try:
            with self.conn.cursor() as cursor:
                cursor.execute(explain_sql)
                columns = [desc[0] for desc in cursor.description]
                rows = cursor.fetchall()
                return columns, rows
        except pymysql.MySQLError as e:
            raise Exception(f"获取执行计划失败：{e.args[1]}")
        except Exception as e:
            raise Exception(f"执行计划异常：{str(e)}")

    def close(self):
        """安全关闭数据库连接，释放资源，避免长时间占用连接池"""
        # 判断连接存在且未关闭才执行关闭操作
        if self.conn and not self.conn._closed:
            self.conn.close()

 
4.2 prompts.py：提示词工程解耦
 
1. 订单表结构全局统一维护，修改表结构只需改动一处；
2. 两套提示词模板：NL2SQL生成模板、SQL性能调优模板；
3. 内置三层SQL提取正则，兼容不同大模型输出格式，自动剥离纯SQL代码。

vim /opt/mysql_ai_tools/prompts.py打开后同上

 
4.3 main.py：业务核心调度层
 
1. 封装 nl2sql_query ：自然语言生成SQL→执行查询→AI生成业务总结；
2. 封装 sql_tune_analyze ：获取执行计划→AI分析性能瓶颈→输出索引与优化SQL；
3. 内置SQL清洗工具，统一修复中文标点、粘连关键字、别名空格等语法报错；
4. 提供命令行交互式菜单，独立运行即可使用全套功能。

vim /opt/mysql_ai_tools/main.py同上

# -*- coding: utf-8 -*-
# 文件名：main.py
# 功能：项目核心业务逻辑 + 终端交互式菜单入口
# 作用：统一封装大模型调用、SQL清洗、数据库交互两大核心业务，命令行/网页共用底层函数
import os
import re
import logging
from dotenv import load_dotenv
# 兼容OpenAI标准大模型接口（适配腾讯云TokenHub）
from langchain_openai import ChatOpenAI
# 导入数据库操作封装类
from mysql_client import Mysql80Client
# 表格格式化打印工具，美化终端输出查询结果
from tabulate import tabulate
# 导入提示词管理类与全局实例
from prompts import UnifiedPrompt, prompt_helper

# 加载.env文件里所有数据库、大模型配置
load_dotenv()

# 全局日志配置，替代print，记录运行时间、日志级别、报错信息，方便排障
logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s")
logger = logging.getLogger(__name__)

def check_config() -> None:
    """
    程序启动前置配置校验函数
    作用：提前检测.env必填参数是否存在，避免运行中途缺参数崩溃
    """
    # 大模型必填参数列表
    required_llm = ["LLM_API_KEY", "LLM_BASE_URL", "LLM_MODEL_NAME"]
    missing = [k for k in required_llm if not os.getenv(k)]
    if missing:
        raise ValueError(f"配置缺失：请在 .env 文件中填写 {', '.join(missing)}")

    # 数据库必填参数列表
    required_db = ["MYSQL_HOST", "MYSQL_USER", "MYSQL_DB"]
    missing_db = [k for k in required_db if not os.getenv(k)]
    if missing_db:
        raise ValueError(f"数据库配置缺失：请检查 {', '.join(missing_db)}")

def get_llm() -> ChatOpenAI:
    """
    初始化大模型客户端
    适配腾讯云TokenHub等全部兼容OpenAI接口规范的MaaS平台
    返回：可直接调用的大模型实例
    """
    # 从环境变量读取大模型连接信息
    api_key = os.getenv("LLM_API_KEY")
    base_url = os.getenv("LLM_BASE_URL")
    model_name = os.getenv("LLM_MODEL_NAME")
    # 温度不存在则默认0.1，数值越低输出越严谨稳定
    temperature = float(os.getenv("LLM_TEMPERATURE", 0.1))

    return ChatOpenAI(
        api_key=api_key,
        base_url=base_url,
        model=model_name,
        temperature=temperature
    )

def clean_sql_spacing(sql: str) -> str:
    """
    SQL标准化清洗工具函数（兜底修复各大模型输出格式）
    解决：中文空格别名、中文标点、特殊空白、关键字连写等语法报错问题
    入参：大模型原始SQL字符串
    返回：清洗后可直接执行的标准英文SQL
    """
    if not sql:
        return ""

    # 1. 统一替换各类中文全角空格、换行、制表符为普通半角空格
    special_spaces = [
        '\xa0', '\u200b', '\u200c', '\u200d', '\u200e', '\u200f',
        '\u3000', '\t', '\n', '\r'
    ]
    for sp in special_spaces:
        sql = sql.replace(sp, ' ')

    # 2. 删除不可见控制字符，防止解析异常
    sql = re.sub(r'[\x00-\x1f\x7f]', '', sql)

    # 3. 中文标点批量替换为英文标点（解决Qwen等模型输出中文逗号报错）
    sql = sql.replace('，', ',').replace('；', ';').replace('（', '(').replace('）', ')')

    # 4. 多个连续空格合并为单个，去除首尾多余空格
    sql = re.sub(r'\s+', ' ', sql).strip()

    # 5. 精准处理AS别名内部空格，只删别名里空格，保留AS与别名之间分隔空格
    def _clean_alias_space(match):
        prefix = match.group(1)  # 捕获AS关键字
        alias = match.group(2)   # 捕获后面全部别名文本
        alias_clean = re.sub(r'\s+', '', alias)
        return f"{prefix} {alias_clean}"

    # 匹配AS后别名，截止逗号、FROM、WHERE等关键字前停止匹配
    sql = re.sub(
        r'\b(AS)\s+(.+?)(?=\s*,\s*|\s+FROM\b|\s+WHERE\b|\s+ORDER\b|\s+GROUP\b|\s+LIMIT\b|\s*;)',
        _clean_alias_space,
        sql,
        flags=re.IGNORECASE
    )

    # 6. 自动给连写的关键字补空格（字段/中文+关键字粘连自动拆分）
    keywords_upper = [
        "SELECT", "FROM", "WHERE", "ORDER BY", "GROUP BY",
        "AND", "OR", "LIMIT", "DESC", "ASC", "AS",
        "INNER JOIN", "LEFT JOIN", "RIGHT JOIN", "ON",
        "INSERT INTO", "UPDATE", "SET", "DELETE FROM",
        "VALUES", "LIKE", "IN", "BETWEEN", "IS NULL",
        "COUNT", "SUM", "AVG", "MAX", "MIN", "OVER"
    ]
    for kw in keywords_upper:
        # 字母下划线+关键字粘连拆分，补充第三个参数sql
        pattern = r'([a-z_])(' + re.escape(kw) + r')'
        sql = re.sub(pattern, r'\1 \2', sql)
        # 中文文字+关键字粘连拆分，补充第三个参数sql
        pattern_cn = r'([\u4e00-\u9fa5])(' + re.escape(kw) + r')'
        sql = re.sub(pattern_cn, r'\1 \2', sql)

    # 7. 统一所有SQL关键字大写，格式标准化
    keywords_lower = [kw.lower() for kw in keywords_upper]
    for kw in keywords_lower:
        sql = re.sub(
            r'\b' + re.escape(kw) + r'\b',
            kw.upper(),
            sql,
            flags=re.IGNORECASE
        )

    # 最终再清理一遍多余空格
    sql = re.sub(r'\s+', ' ', sql).strip()
    return sql

def nl2sql_query(user_input: str) -> dict:
    """
    核心业务1：自然语言转SQL、执行查询、AI生成业务总结
    对外统一标准返回字典，终端/网页程序均可直接调用，无重复代码
    入参：用户自然语言查询需求
    返回：包含执行状态、SQL、字段、数据、AI总结、模型原始输出
    """
    # 初始化大模型、数据库客户端
    llm = get_llm()
    db = Mysql80Client()

    try:
        logger.info("正在生成SQL语句...")
        # 1. 加载NL2SQL提示词，填充用户需求传给大模型
        prompt = UnifiedPrompt.NL_TO_SQL_PROMPT.format(user_input=user_input)
        response = llm.invoke(prompt)
        raw_content = response.content.strip()

        # 2. 从模型返回文本提取纯净SQL，提取失败直接抛异常
        extracted_sql = prompt_helper.extract_sql(raw_content)
        if not extracted_sql:
            raise Exception("大模型未返回有效SQL，请重新描述需求")

        # 3. 清洗SQL修复各类格式问题
        clean_sql = clean_sql_spacing(extracted_sql)
        logger.info(f"生成SQL：{clean_sql}")

        # 4. 数据库执行查询，拿到表头与数据
        columns, rows = db.execute_query(clean_sql)

        # 5. 如果有数据，调用大模型生成业务解读总结
        summary = ""
        if rows:
            logger.info("正在生成数据总结...")
            summary_prompt = f"""
            以下是真实的SQL查询结果，请作为电商数据分析师给出简练的业务总结。
            SQL语句：{clean_sql}
            查询数据：{str(rows)}
            重点说明数据反映的业务含义，如有异常值请指出。
            """
            summary_resp = llm.invoke(summary_prompt)
            summary = summary_resp.content.strip()

        # 成功结果返回
        return {
            "success": True,
            "sql": clean_sql,
            "columns": columns,
            "rows": rows,
            "summary": summary,
            "raw_llm": raw_content
        }

    except Exception as e:
        # 捕获全流程所有异常，记录日志并返回错误信息
        logger.error(f"查询处理失败：{str(e)}")
        return {
            "success": False,
            "error": str(e),
            "raw_llm": raw_content if 'raw_content' in dir() else ""
        }
    finally:
        # 无论成功失败，都关闭数据库连接释放资源
        db.close()

def sql_tune_analyze(raw_sql: str) -> dict:
    """
    核心业务2：SQL性能调优分析
    流程：清洗SQL → 获取EXPLAIN执行计划 → AI分析给出优化方案
    入参：用户输入待优化SQL
    返回：执行状态、清洗后SQL、执行计划字段/内容、调优建议
    """
    llm = get_llm()
    db = Mysql80Client()

    try:
        # 先标准化清洗SQL
        clean_sql = clean_sql_spacing(raw_sql)
        logger.info("正在获取执行计划...")

        # 调用数据库封装方法获取EXPLAIN执行计划
        columns, plan_rows = db.get_explain_plan(clean_sql)

        # 填充调优提示词，传入SQL和执行计划让AI分析瓶颈
        logger.info("正在分析性能瓶颈...")
        prompt = UnifiedPrompt.SQL_TUNE_PROMPT.format(
            sql_input=clean_sql,
            explain_data=str(plan_rows)
        )
        response = llm.invoke(prompt)

        return {
            "success": True,
            "sql": clean_sql,
            "plan_columns": columns,
            "plan_rows": plan_rows,
            "suggestion": response.content.strip()
        }

    except Exception as e:
        logger.error(f"调优分析失败：{str(e)}")
        return {
            "success": False,
            "error": str(e)
        }
    finally:
        # 操作结束关闭数据库连接
        db.close()

def main_cli():
    """
    终端交互入口主函数
    提供循环菜单，支持用户选择查询/调优/退出，纯终端操作
    """
    # 程序启动先校验全部配置，失败直接退出菜单
    try:
        check_config()
    except ValueError as e:
        print(f"❌ {e}")
        return

    # 循环交互，不退出可持续多次使用
    while True:
        print("\n=============== InnoAI SQL 助手 ===============")
        print("1. 自然语言生成SQL，自动查询并AI总结数据")
        print("2. 输入SQL语句，AI分析执行计划并给出调优方案")
        print("0. 退出程序")

        choice = input("请输入功能序号: ").strip()

        # 功能1：自然语言查数据
        if choice == '1':
            query = input("请输入你的数据查询需求: ").strip()
            if not query:
                print("⚠️ 请输入有效需求")
                continue

            result = nl2sql_query(query)
            # 处理失败场景，打印错误与模型原始输出
            if not result["success"]:
                print(f"\n❌ 处理失败：{result['error']}")
                if result.get("raw_llm"):
                    print(f"大模型原始回复：\n{result['raw_llm']}")
                continue

            # 成功：打印SQL、格式化表格展示数据、输出业务总结
            print(f"\n✅ 生成SQL：")
            print(result["sql"])
            if result["rows"]:
                print(f"\n📊 查询结果（共 {len(result['rows'])} 条）：")
                print(tabulate(result["rows"], headers="keys", tablefmt="pretty"))
                if result["summary"]:
                    print(f"\n💡 业务总结：\n{result['summary']}")
            else:
                print("\n⚠️ 未查询到匹配数据")

        # 功能2：SQL性能调优
        elif choice == '2':
            sql_input = input("\n请输入需要分析的 SQL 语句: ").strip()
            if not sql_input:
                print("⚠️ 请输入有效SQL")
                continue

            result = sql_tune_analyze(sql_input)
            if not result["success"]:
                print(f"\n❌ 分析失败：{result['error']}")
                continue

            # 打印执行计划表格和AI优化建议
            print(f"\n📊 执行计划详情：")
            print(tabulate(result["plan_rows"], headers="keys", tablefmt="pretty"))
            print(f"\n📈 调优建议：\n{result['suggestion']}")

        # 0 退出循环，结束程序
        elif choice == '0':
            print("程序已安全退出。")
            break
        # 无效数字输入提示
        else:
            print("无效输入，请重试。")

        print("\n" + "-" * 40)

# 程序入口：直接运行main.py则启动终端菜单
if __name__ == "__main__":
    main_cli()

 
4.4 web_main.py：Streamlit网页可视化
 
无需重写业务逻辑，全部复用main.py封装函数，仅做页面交互：
 
1. 侧边栏切换两大功能页面，展示当前调用大模型；
2. 输入前置校验：区分自然语言输入与SQL输入，防止混用；
3. 美化代码块、数据表格、提示弹窗，SQL代码一键复制；
4. 配置systemd实现后台常驻，服务器重启自动拉起Web服务：

若配置成功将弹出3.11依赖全部正常。

# -*- coding: utf-8 -*-
# 文件名：web_main.py
# 功能：Streamlit网页可视化界面
# 说明：前端交互页面，完全复用main.py封装好的业务函数，无需重复编写AI、数据库逻辑
# 两大页面：自然语言查数据、SQL性能调优，做输入前置校验、美化结果展示
import streamlit as st
import os
import re
# 从核心主程序导入通用业务函数、配置校验方法
from main import check_config, nl2sql_query, sql_tune_analyze

# 全局页面基础配置：页面标题、页面宽度铺满屏幕
st.set_page_config(page_title="InnoAI SQL 助手", layout="wide")

# ====================== 全局CSS样式定制：优化字体、间距、按钮、代码块、表格展示 ======================
# 使用markdown注入前端样式，统一页面视觉效果，方便演示观看
st.markdown("""
<style>
/* 全局文字基础样式：统一字体、字号、行间距，适配Windows/Mac中文显示 */
html, body, [class*="css"]  {
    font-size: 15px;
    line-height: 1.6;
    font-family: -apple-system, BlinkMacSystemFont, "Segoe UI", "PingFang SC", "Microsoft YaHei", sans-serif;
}

/* 页面主体容器：左右留白收窄，太宽的数据表格阅读疲劳 */
.block-container {
    padding-top: 2.5rem;
    padding-bottom: 3rem;
    max-width: 1100px;
    margin: 0 auto;
}

/* 各级标题字号、粗细、边距统一优化 */
h1 {
    font-size: 2rem !important;
    font-weight: 600;
    margin-bottom: 1.8rem;
    letter-spacing: 0.5px;
}
h2, h3 {
    font-weight: 600;
    margin-top: 1.5rem;
    margin-bottom: 1rem;
}
h3 {
    font-size: 1.25rem !important;
}

/* 文本输入框标签样式美化 */
.stTextArea label p {
    font-size: 15px;
    font-weight: 500;
    color: #1f2937;
    margin-bottom: 0.5rem;
}
/* 输入框内部样式：字号、圆角、内边距 */
textarea {
    font-size: 15px !important;
    line-height: 1.6 !important;
    border-radius: 8px !important;
    padding: 12px 14px !important;
}

/* 全局操作按钮统一尺寸、圆角、内边距，视觉统一 */
.stButton > button {
    font-size: 15px !important;
    font-weight: 500;
    padding: 0.65rem 2.2rem !important;
    border-radius: 8px !important;
    min-width: 160px;
}

/* 左侧侧边栏样式调整 */
section[data-testid="stSidebar"] {
    font-size: 14.5px;
}
/* 侧边大标题禁止自动换行 */
section[data-testid="stSidebar"] h1 {
    font-size: 1.5rem !important;
    white-space: nowrap;
    margin-bottom: 1.2rem;
}
/* 侧边单选按钮间距放大 */
section[data-testid="stSidebar"] .stRadio > div {
    gap: 0.8rem;
}
/* 提示警告框字号统一 */
.stAlert {
    font-size: 14.5px;
    border-radius: 8px !important;
}

/* ========== 重点修复：代码块复制按钮失效问题 ========== */
.stCodeBlock {
    position: relative !important;
    border-radius: 8px !important;
}
/* 强制显示复制按钮，提高层级防止被遮挡 */
.stCodeBlock button {
    opacity: 1 !important;
    visibility: visible !important;
    pointer-events: auto !important;
    z-index: 999 !important;
    width: 36px;
    height: 36px;
    top: 10px;
    right: 10px;
    border-radius: 6px;
    background: #f3f4f6 !important;
    color: #374151 !important;
    border: 1px solid #e5e7eb !important;
}
/* 按钮悬浮变色提升交互感 */
.stCodeBlock button:hover {
    background: #e5e7eb !important;
}

/* SQL代码等宽字体优化，提升代码可读性 */
.stCodeBlock code, .stCodeBlock pre {
    font-size: 14.5px !important;
    line-height: 1.7 !important;
    font-family: "JetBrains Mono", Consolas, Monaco, monospace;
}

/* 数据表格单元格内边距放大，避免文字拥挤 */
.stDataFrame {
    font-size: 14.5px;
    border-radius: 8px;
    overflow: hidden;
}
.stDataFrame [data-testid="table"] td {
    padding: 10px 12px;
}
</style>
""", unsafe_allow_html=True)

# 全局一次性配置校验，会话缓存避免重复校验
# st.session_state：streamlit会话全局存储，页面刷新前一直生效
if "config_checked" not in st.session_state:
    try:
        # 调用main.py的配置校验函数，检测.env文件必填参数
        check_config()
        # 标记已校验，下次页面刷新不再重复执行
        st.session_state.config_checked = True
    except ValueError as e:
        # 配置缺失直接弹窗报错，终止页面加载
        st.error(f"配置错误：{e}")
        st.stop()

# ========== 左侧侧边栏区域：系统标题、当前模型展示、页面切换导航 ==========
with st.sidebar:
    st.title("🚀 InnoAI SQL 助手")
    # 读取环境变量，展示当前正在使用的大模型名称
    st.info(f"当前模型：{os.getenv('LLM_MODEL_NAME', '未知')}")
    # 单选框切换两大功能页面
    page = st.radio("功能导航", ["🔍 数据查询与总结", "⚙️ SQL 性能调优"])

# ====================== 页面1：自然语言转SQL查询页面 ======================
if page == "🔍 数据查询与总结":
    st.header("💬 自然语言转 SQL 查询")
    # 多行文本输入框，接收用户中文业务需求
    user_input = st.text_area("请输入你的业务查询需求：", height=150)

    # 点击提交按钮触发查询逻辑
    if st.button("🚀 生成并执行", type="primary"):
        input_trim = user_input.strip()
        # 校验1：输入为空拦截
        if not input_trim:
            st.warning("请输入有效的业务查询需求后再提交")
        
        # 校验2：禁止直接粘贴SQL，区分两个页面的使用场景
        elif re.match(r'(?i)^\s*SELECT\s+', input_trim):
            st.warning("此处请输入自然语言描述的查询需求（例如：查询用户 1001 的所有订单），请勿直接粘贴 SQL 语句。")
        
        # 输入校验全部通过，执行AI查询逻辑
        else:
            # 加载动画提示用户等待
            with st.spinner("AI 正在生成 SQL 并查询数据..."):
                # 调用main封装好的核心业务方法
                result = nl2sql_query(user_input)

                # 分支1：业务执行失败，展示错误信息
                if not result["success"]:
                    st.error(f"处理失败：{result['error']}")
                    # 折叠面板展示大模型原始返回内容，方便排错
                    if result.get("raw_llm"):
                        with st.expander("查看大模型原始回复"):
                            st.code(result["raw_llm"])
                # 分支2：执行成功，分层展示结果
                else:
                    st.success("SQL 生成并执行成功")
                    # 高亮展示生成后的标准SQL语句
                    st.code(result["sql"], language="sql")

                    # 存在查询数据则渲染表格
                    if result["rows"]:
                        st.dataframe(result["rows"], use_container_width=True)
                        # 存在AI业务总结则展示解读文本
                        if result["summary"]:
                            st.markdown("### 💡 业务总结")
                            st.info(result["summary"])
                    # 无匹配订单提示
                    else:
                        st.info("未查询到匹配的数据")

# ====================== 页面2：SQL性能调优分析页面 ======================
else:
    st.header("🔧 SQL 性能调优分析")
    # 输入框接收用户待优化SELECT语句
    raw_sql = st.text_area("请输入待分析的 SQL 语句：", height=200)

    # 点击分析按钮执行调优流程
    if st.button("📊 开始分析", type="primary"):
        input_trim = raw_sql.strip()
        # 校验1：空输入拦截
        if not input_trim:
            st.warning("请输入有效的 SQL 语句后再提交")
        
        # 校验2：必须是SELECT语句，禁止其他类型SQL
        elif not re.match(r'(?i)^\s*SELECT\s+', input_trim):
            st.warning("此处请输入待分析的 SELECT SQL 语句，请勿输入自然语言描述。如需自然语言转 SQL，请切换到「数据查询与总结」页面。")
        
        # 校验通过，执行调优分析
        else:
            with st.spinner("正在获取执行计划并分析..."):
                # 调用main封装的调优函数
                result = sql_tune_analyze(raw_sql)

                # 分析失败展示错误
                if not result["success"]:
                    st.error(f"分析失败：{result['error']}")
                # 分析成功，展示执行计划表格+AI优化建议
                else:
                    st.success("执行计划获取成功")
                    st.dataframe(result["plan_rows"], use_container_width=True)

                    st.markdown("### 💡 调优建议")
                    st.markdown(result["suggestion"])