一、为啥要搞这么个东西

我平时工作里经常要帮业务部门取数。他们不懂 SQL，每次都要先口述需求，我再写 SQL 去查，然后导成 Excel 发回去。一来一回，快的话十几分钟，慢的话得等半天。

后来我就想，有没有一种办法，让他们自己输入中文问题，系统自动转成 SQL 去查数据库？这样我就不用来回当传话筒了。

这篇文章不讲金仓怎么安装，只讲我怎么用 Python 连上金仓，然后做了一个极其简陋但能用的"自然语言查询助手"。

二、环境准备与安装简述

2.1 从下载到安装

先说下金仓数据库怎么来的啊。你打开金仓官网的那个主页，顶上一排导航栏里面有个“服务与支持”，鼠标移上去，下拉菜单里找到“下载中心”，点进去就行了。

然后下载中心里面东西还挺多的，你找 KES 那个分类，就是 KingbaseES 的缩写。根据你自己的操作系统选对应的安装包。我们这个场景用的是虚拟机，系统是 CentOS 7，所以选的是 Linux 版本，CPU 架构是 x86_64 的，就选那个对应 Linux x86_64 的 .iso 文件下载就行。

打开我们的VM，下载安装CentOS

注意这里我们直接选择最大内存

这里至少20GB

下载好了之后呢，把那个 .iso 文件传到虚拟机里去。具体用什么方式传都可以，我是直接拖拽进去的，放在“下载”文件夹下面。然后按官方文档里的安装步骤执行就行了，大概就是挂载 ISO、运行 setup.sh、然后跟着图形化向导一步步点下一步。

具体的安装流程我就不在这里详细展开了，金仓官方文档写得挺清楚的，跟着走基本不会卡住。如果你是在安装过程中遇到了具体报错啥的，可以看看社区里有没有人踩过同样的坑，或者直接参考官方手册。

2.2 建表和插入测试数据

数据库装完之后，我用自带的 KStudio 工具连上去，建了一个叫 test 的数据库，然后建了一张用户表 users。

表结构是这样的：

• id：整数类型，主键，自动增长
• name：字符串，存用户姓名
• age：整数，存年龄
• city：字符串，存所在城市
• salary：整数，存薪资

建表的 SQL 大概是这个样子的：

CREATE TABLE users (
    id SERIAL PRIMARY KEY,
    name VARCHAR(50),
    age INT,
    city VARCHAR(50),
    salary INT
);

表建好之后，我往里面插了 20 条测试数据。这 20 条数据覆盖了不同城市、不同年龄和薪资范围，方便后面演示各种查询。

插数据的 SQL 我用的是批量插入的写法，一次性把 20 条全部写进去。具体数据就不在这儿全贴了，大致就是北京、上海、深圳、广州这些城市都有，年龄从 22 岁到 50 岁不等，薪资从 6500 到 16000 不等。

数据准备好之后，数据库这一侧的工作就算做完了。接下来就是写 Python 代码的环节。

2.3注意

有几个地方需要注意一下。

第一个是安装用户。 金仓官方推荐单独创建一个 kingbase 用户来运行数据库，不要直接用 root。这个其实也好理解，就是权限隔离嘛，万一数据库出点啥问题不会影响到系统级别的东西。

第二个是安装目录。 默认会装到 /opt/Kingbase/ES/V9 下面，我建议就用默认路径，省得后面找的时候还要到处翻。数据目录也在安装目录的子目录里，跟着默认走就行。

第三个是端口和密码。 安装过程中会弹出一个初始化的窗口，让你设置端口和管理员密码。金仓的默认端口是 54321，这个记住了，后面 Python 连接的时候要用。密码设一个自己能记住的，不用特别复杂，测试环境嘛。

三、核心思路：规则匹配代替大模型

现在 AI 很火，正经做法应该是接一个大模型，让模型把自然语言转成 SQL。但这个路子有几个麻烦的地方。

首先是得有 API Key，而且还得花钱。大模型调用不是免费的，虽然说单次调用不贵，但你要是一直在调、一直在试，累计起来也是一笔开销。

其次是网络环境有时候不太稳定。调用大模型的 API 得有网络，而且响应速度完全取决于接口那边的状况，有时候快有时候慢，体验不太一致。

还有就是模型输出不可控。你让它生成 SQL，它可能给你整出一些奇怪的 SQL，或者多解释几句废话，或者把 SQL 包在 Markdown 的代码块里，你还得额外处理一下才能拿去执行。

所以我就换了个思路——不用 AI，用规则匹配。

说白了就是：用户输入一句话，我用正则表达式去匹配关键词，匹配到了就生成对应的 SQL，匹配不到就查全部数据。

这样做的优点是简单、稳定、不花钱。代码写完之后，跑起来不会出幺蛾子，每一次执行结果都是确定的，不依赖外部服务。

缺点也比较明显——灵活性差，只能覆盖预设好的几种查询模式。如果用户问了一个不在规则列表里的问题，程序就不知道该怎么处理了，只能默认返回全部数据。

不过我的需求场景就那么几种，够用就行。

四、代码是怎么写的

4.1 连接数据库的部分

Python 连接金仓数据库用的是 psycopg2 这个驱动。为什么用这个呢？因为金仓数据库兼容 PostgreSQL 协议，而 psycopg2 是 SQL 的官方 Python 驱动，用起来很稳定。

连接配置我放在一个字典里：

DB_CFG = {
    "host": "192.168.75.131",   # 金仓数据库所在服务器的 IP
    "port": 54321,              # 金仓默认端口
    "dbname": "test",
    "user": "system",
    "password": "123456"
}

这里面的几个参数解释一下。host 就是数据库服务器的 IP 地址，因为我数据库装在虚拟机里，所以填的是虚拟机的 IP。port 是金仓的默认端口 54321，这个在安装初始化的时候设过。dbname 是数据库名，user 是用户名，password 是对应的密码。

然后封装了一个获取连接的方法，后面所有查询都走这个方法。

4.2 核心函数：把中文问题转成 SQL

这个函数是整个程序的核心。它的逻辑其实不复杂——就是从上往下依次用正则去匹配用户输入的内容。

我先贴一下完整的函数代码，然后再拆开说每一块是干什么的：

def generate_sql(question):
    """把自然语言问题转成 SQL（规则匹配）"""
    q = question.strip()

    # 规则1：查询所有用户
    if re.search(r'所有|全部|全部用户|所有用户', q):
        return "SELECT * FROM users;"

    # 规则2：年龄大于
    match = re.search(r'(?:年龄)?\s*(大于|>)\s*(\d+)(?:\s*岁)?', q)
    if match:
        age = match.group(2)
        return f"SELECT * FROM users WHERE age > {age};"

    # 规则3：年龄小于
    match = re.search(r'(?:年龄)?\s*(小于|<)\s*(\d+)(?:\s*岁)?', q)
    if match:
        age = match.group(2)
        return f"SELECT * FROM users WHERE age < {age};"

    # 规则4：城市查询
    city_match = re.search(r'(?:在|位于|城市|来自)\s*(北京|上海|深圳|广州|杭州|成都|武汉|南京|西安|重庆|长沙|郑州|东莞|青岛|厦门|苏州|昆明|天津|大连|宁波)', q)
    if city_match:
        city = city_match.group(1)
        return f"SELECT * FROM users WHERE city = '{city}';"

    # 规则5：按姓名查询
    match = re.search(r'查.*?([张李王刘陈杨赵黄周吴徐孙马朱胡郭林何高罗][\u4e00-\u9fa5]{0,2})', q)
    if match:
        name = match.group(1)
        return f"SELECT * FROM users WHERE name = '{name}';"

    # 规则6：最高薪资
    if re.search(r'最高.*薪资|薪资.*最高|最高.*工资|工资.*最高|max', q):
        return "SELECT * FROM users ORDER BY salary DESC LIMIT 5;"

    # 规则7：平均薪资
    if re.search(r'平均.*薪资|平均.*工资|avg', q):
        return "SELECT city, AVG(salary) as avg_salary FROM users GROUP BY city ORDER BY avg_salary DESC;"

    # 规则8：统计用户数
    if re.search(r'多少.*用户|用户.*多少|总.*数|count', q):
        return "SELECT COUNT(*) as total_users FROM users;"

    # 默认：返回所有用户
    return "SELECT * FROM users;"

这个函数从上往下执行，一旦某个规则匹配成功，就直接返回对应的 SQL 语句。

规则1 处理的是"查询所有"“全部”"所有用户"这类输入，直接返回 SELECT * FROM users，不加任何条件。

规则2 和 规则3 处理年龄过滤。正则里面匹配了"大于""小于"以及符号 > 和 <，后面跟一个数字，数字后面还可以跟一个"岁"字。匹配到之后就把数字取出来，拼到 WHERE 条件里去。

规则4 处理城市查询。这里要求输入里必须包含"在"“位于”“城市”“来自"这几个词之一，后面跟上城市名。城市名列表我是用 | 分隔的，这个写法在正则里表示"或者”，可以匹配到完整的多字词。

规则5 是按姓名查。这个正则稍微复杂一点，先匹配一个"查"字，然后取一个姓氏加上最多两个字的姓名。

规则6 到 规则8 分别处理最高薪资、平均薪资和统计总数。这三种都属于聚合类的查询。

4.3 执行查询和打印结果

查询执行就是标准的 psycopg2 操作。

先拿到连接，然后创建游标，用游标执行 SQL，取回所有的行数据，最后把游标和连接都关掉。

这里有个细节需要注意：游标和连接用完之后一定要关，不然会造成连接泄漏。特别是测试阶段，你频繁跑脚本，连接不关的话，一会儿数据库那边的连接数就满了。

结果打印我做了个简单的表格格式化。先拿到列名列表，然后动态计算每一列的最大宽度，这样不管内容是中文还是数字，表格都能对齐。打印出来的效果还算清楚，上面是列名，中间一条分隔线，下面是数据行。

4.4 程序的入口和交互逻辑

主函数是一个无限循环，每次循环让用户输入一个问题，然后调用 generate_sql 生成 SQL，再调用 run_query 去执行，最后用 print_result 把结果打印出来。

用户输入 exit 或者 quit 的时候，循环就结束，程序退出。

整个程序就是这个结构。不算复杂，但确实能用。

五、运行效果

下面是我实际跑出来的几个例子，都是真实截图。

5.1 查所有用户

输入"查询所有用户"，程序匹配到规则1，生成 SELECT * FROM users;，返回全部 20 条记录。

从结果可以看到，20 条数据按照 id 顺序排下来，每条记录包含姓名、年龄、城市、薪资这几个字段。第一屏能看到前几条，后面还有更多。

5.2 按年龄过滤

输入"年龄大于30"，程序匹配到规则2，生成 SELECT * FROM users WHERE age > 30;，返回年龄大于30的用户。

从结果可以看到，35岁的刘洋、40岁的杨磊、45岁的吴飞、50岁的何炅等都被查出来了。这个查询过滤掉了年龄小于等于30的用户，只返回符合条件的部分。

5.3 按城市查询

输入"在深圳"，程序匹配到规则4，生成 SELECT * FROM users WHERE city = '深圳';，返回深圳的用户。

结果显示只有一条记录，王强，28岁，深圳，薪资11000。这说明数据里深圳就这一条，查询结果是准确的。

5.4 最高薪资

输入"最高薪资"，程序匹配到规则6，生成 SELECT * FROM users ORDER BY salary DESC LIMIT 5;，返回薪资排前五的用户。

结果显示何炅（天津，16000）、吴飞（重庆，13000）、胡歌（厦门，12500）、刘洋（广州，12000）、朱婷（青岛，11500）排在前五位。

5.5 统计总数

输入"有多少用户"，程序匹配到规则8，生成 SELECT COUNT(*) as total_users FROM users;，返回总数 20。

这个查询返回的是一个单行单列的结果，就是 20。

5.6 平均薪资

输入"平均薪资"，程序匹配到规则7，生成 SELECT city, AVG(salary) as avg_salary FROM users GROUP BY city ORDER BY avg_salary DESC;，展示每个城市的平均薪资。

从结果可以看到不同城市的平均薪资对比。这个查询对于了解各地薪资水平分布还是有点参考价值的。

六、踩过的坑

说几个印象比较深的问题。

第一个是正则匹配顺序的问题。 年龄规则如果放在城市规则后面，"年龄大于30"里面的"大"字会被当成城市名去匹配。结果就生成了一句 WHERE city = '大'，自然就查不到东西了。解决的办法就是把年龄规则提到最前面，先处理年龄相关的匹配。

第二个是城市名的匹配方式。 正则里的中括号 [北京上海] 是字符类，匹配的是"北京上海"这四个字符中的任意一个，而不是整个"北京"或者整个"上海"。必须用 (北京|上海) 这种分组交替的写法，才能匹配到完整的多字城市名。

第三个是编码问题。 中文字段名和数据在 Linux 下有时候会乱码。解决方法是在连接数据库的时候指定客户端编码为 UTF-8，这样中文就能正常显示了。

第四个是关于金仓的端口。 金仓数据库的默认端口是 54321，跟 PostgreSQL 的 5432 不一样。刚开始配置的时候我习惯性写了 5432，结果连不上，后来才反应过来是端口写错了。

这些问题都不是什么高深的技术难题，但遇到了确实挺耽误时间的。记录下来供大家参考。

七、后续还能怎么改进

目前这个版本只能处理预设好的几种查询模式。后续如果想让它更智能，可以考虑接入大模型 API，用真正的 NL2SQL 能力来替代规则匹配。

如果走大模型这条路的话，就不需要手动写这么多正则规则了。用户输入什么问题，直接丢给大模型，让模型去理解并生成 SQL。这种方式覆盖的场景会更广，灵活性也更高。

另外也可以加一个 Web 界面，做成一个简单的对话式查询工具，而不是在命令行里运行。这样业务部门的人直接用浏览器访问就行，不需要安装 Python 环境，用起来更方便。

不过话说回来，目前这个版本虽然简陋，但对于固定场景的查询需求来说，已经能省下不少沟通成本了。有时候解决问题不一定非要上最先进的技术，找到够用且稳定的方案就行。

八、总结

这篇文章记录了我用 Python 连接金仓数据库实现的一个简单自然语言查询工具。

整体思路就是三个步骤：

1. 用户输入中文问题
2. 程序用正则匹配关键词，生成对应的 SQL 语句
3. 执行 SQL，把查询结果返回并打印给用户

整个流程我已经在本地实验环境里跑通了。因为用的是 Python，所以这个方案对操作系统没什么限制，Windows 和 Linux 下都能跑。连接金仓数据库用的是 psycopg2 驱动，这个驱动本身是给 PostgreSQL 用的，但因为金仓兼容 PostgreSQL 协议，所以直接用就行。

如果你也有类似的取数场景，不妨试试这个思路。不一定非得上大模型，规则匹配有时候反而是最省事、最稳定的方案。代码量不大，理解起来也不费劲，根据自己的需求改改规则就能用。