浅谈人工智能之DB-GPT（番外篇）Chat Excel功能示例

### DB-GPT `chat_db` API 使用教程 #### 初始化与环境配置 为了使用DB-GPT中的`chat_db`功能，需确保已按照官方指南完成DB-GPT部署并启动服务。可以通过执行样例数据加载脚本来验证环境是否正常工作[^1]。 ```bash bash ./scripts/examples/load_examples.sh ``` #### 调用API接口 调用`chat_db` API前，确认已经成功进入了DB-GPT交互界面，在线对话功能应处于可用状态[^2]。以下是Python代码示例来展示如何通过HTTP请求的方式访问`chat_db`： ```python import requests url = "http://localhost:8000/api/v1/chat_db" data = { 'query': '查询销售额最高的产品', } response = requests.post(url, json=data) print(response.json()) ``` 这段代码向本地运行的DB-GPT服务器发送了一个POST请求，其中包含了要询问数据库的问题——即“查询销售额最高的产品”。返回的结果将会是以JSON格式封装的回答信息。 #### 数据库交互流程 在实际操作过程中，用户可以像对待其他大型语言模型一样，利用自然语言描述需求并与`chat_db`进行交流。例如，如果想要了解特定时间段内的销售趋势，则可以直接输入类似这样的语句：“告诉我去年第四季度每个月的产品A销量变化情况”。 #### Chat Excel 功能集成 除了传统的SQL查询方式之外，DB-GPT还提供了更加直观易用的功能—Chat Excel。这一特性允许用户上传Excel表格文件，并基于这些数据集发起对话式的查询请求[^4]。具体步骤如下： - 文件上传至平台； - 选择对应的聊天模式（如针对Excel的数据分析）； - 利用自然语言提问有关于所传入电子表格的内容。