VannaAI 介绍及使用 - 第二篇

<think>好的，用户想在DB-GPT中创建一个工作流，当用户输入动物名称时，系统能返回该动物的简介。我需要根据提供的引用内容来指导他们如何操作。首先，引用[1]提到在AWEL工作流界面复制流程进行编辑，所以可能需要先复制现有的工作流，比如db_expert_assistant，然后进行修改。接着，用户需要创建或调整组件，可能需要数据库查询功能。引用[2]提到Vanna可以简化SQL查询，这里可能需要连接数据库，用自然语言生成SQL查询来获取动物信息。然后，需要将输入参数绑定到SQL查询，再处理结果返回给用户。可能需要测试和调整流程，确保输入正确触发查询并返回简介。最后保存并发布工作流，让用户使用。还需要考虑是否要添加错误处理，比如动物不存在的情况。可能需要分步骤指导用户操作界面，点击复制、修改名称、拖拽组件、绑定参数等。确保用户按照步骤一步步完成，并验证结果是否正确。</think>### 分步构建动物简介工作流的步骤 1. **复制现有工作流模板** - 进入AWEL工作流界面，找到`db_expert_assistant`模板 - 点击右上角【复制】按钮，自定义名称如`animal_intro_workflow`[^1] 2. **创建数据库查询组件** ```python from dbgpt.core.awel import DAG, HttpTrigger, TransformStream from vanna import VannaAI # 初始化Vanna AI组件（需提前配置API密钥） vanna = VannaAI(api_key="your_key", model="gpt-3.5-turbo") # 创建数据库连接组件 @TransformStream() def connect_db(animal_name: str): # 这里替换为实际数据库连接配置 return {"animal": animal_name, "conn": "postgresql://user:pass@host/db"} ``` 3. **构建自然语言转SQL模块** ```python @TransformStream() def generate_sql(inputs: dict): query = f"请生成查询{inputs['animal']}简介的SQL" sql = vanna.generate_sql(query) # 示例输出：SELECT info FROM animals WHERE name = ? return {"sql": sql, "params": (inputs['animal'],)} ``` 4. **添加数据库执行组件** ```python @TransformStream() def execute_query(inputs: dict): with psycopg2.connect(inputs['conn']) as conn: cursor = conn.cursor() cursor.execute(inputs['sql'], inputs['params']) return {"result": cursor.fetchone()[0]} ``` 5. **配置工作流连接关系** ```python with DAG("animal_introduction_workflow") as dag: trigger = HttpTrigger("/animal_query") db_conn = connect_db() sql_gen = generate_sql() query_exec = execute_query() trigger >> db_conn >> sql_gen >> query_exec ``` 6. **设置输出格式化** ```python @TransformStream() def format_output(result: dict): return f"您查询的{result['animal']}信息：\n{result['result']}" ``` 7. **测试与部署** - 在测试界面输入`老虎` - 预期输出包含老虎的栖息地、特征等数据库存储信息 - 点击【发布】按钮完成工作流部署