| """给一个 SQLite 库和一句中文，返回 SQL 和查询结果。 |
| |
| python scripts/ask.py --db shop.sqlite --question "上个月线上渠道取消了多少单？" |
| python scripts/ask.py --db shop.sqlite # 不给问题就一行一行地问，空行退出 |
| |
| 模型默认用 out/merged；只有 LoRA 的话：--model Qwen/Qwen3-4B-Instruct-2507 --adapter out/lora。 |
| 库以只读方式打开（mode=ro + query_only），模型写出 DELETE / UPDATE 也改不了数据。 |
| 默认 SQL 跑不通就把报错发回去改，最多 2 次；有 GPU 时再一次写 5 条按执行结果投票，没有 GPU 就只写 1 条。 |
| 第二轮模型在零售难题集上：直接生成 74%，出错重写 77%，投票加重写 82%（results/infer/summary.md）。 |
| 建表语句和「部分字段的取值」都从库里现读，和训练时的 prompt 格式一样（prompt.py）。 |
| |
| 把握不够就不给结果，只说明原因（infer.confidence）：投票时 5 条里少于 3 条结果一致，或者改完还跑不通。 |
| 在两个难题集上，这样会少答约两成的题，给出去的错答案从 41 题降到 17 题。--show-unsure 照样显示，标上「仅供参考」。 |
| """ |
|
|
| import argparse |
| import sqlite3 |
| import time |
|
|
| import eval as ev |
| from infer import Generator, answer, confidence |
| from prompt import build, values_from_db |
|
|
|
|
| def open_readonly(path: str) -> sqlite3.Connection: |
| conn = sqlite3.connect(f"file:{path}?mode=ro", uri=True) |
| conn.execute("PRAGMA query_only = ON") |
| return conn |
|
|
|
|
| def schema_of(conn: sqlite3.Connection) -> str: |
| return "\n\n".join(sql + ";" for (sql,) in conn.execute( |
| "select sql from sqlite_master where type='table' and name not like 'sqlite_%' and sql is not null")) |
|
|
|
|
| def show(conn: sqlite3.Connection, sql: str, limit: int) -> None: |
| deadline = time.monotonic() + ev.QUERY_TIMEOUT |
| conn.set_progress_handler(lambda: time.monotonic() > deadline, 10_000) |
| try: |
| cur = conn.execute(sql) |
| rows = cur.fetchmany(limit + 1) |
| except sqlite3.Error as exc: |
| print("执行出错：", exc) |
| return |
| finally: |
| conn.set_progress_handler(None, 0) |
| print(" | ".join(d[0] for d in cur.description)) |
| for r in rows[:limit]: |
| print(" | ".join("NULL" if v is None else str(v) for v in r)) |
| print(f"（只显示前 {limit} 行）" if len(rows) > limit else f"共 {len(rows)} 行") |
|
|
|
|
| def main() -> None: |
| ap = argparse.ArgumentParser() |
| ap.add_argument("--db", required=True, help="SQLite 库文件") |
| ap.add_argument("--question", default="") |
| ap.add_argument("--model", default="out/merged") |
| ap.add_argument("--adapter", default="") |
| ap.add_argument("--repair", type=int, default=2) |
| ap.add_argument("--vote", type=int, default=0, help="写几条投票；默认有 GPU 时 5 条，没有时 1 条（CPU 上写 5 条太慢）") |
| ap.add_argument("--no-values", action="store_true", help="prompt 里不附「部分字段的取值」") |
| ap.add_argument("--timeout", type=float, default=30.0, help="单条 SQL 最多跑几秒，大库调大") |
| ap.add_argument("--rows", type=int, default=20, help="最多显示几行结果") |
| ap.add_argument("--min-votes", type=int, default=3, help="投票时至少几条结果一致才给答案") |
| ap.add_argument("--show-unsure", action="store_true", help="没把握时也显示 SQL 和结果，标上「仅供参考」") |
| args = ap.parse_args() |
|
|
| ev.QUERY_TIMEOUT = args.timeout |
| conn = open_readonly(args.db) |
| ddl = schema_of(conn) |
| values = None if args.no_values else values_from_db(conn) |
| gen = Generator(args.model, adapter=args.adapter) |
| if args.vote <= 0: |
| args.vote = 5 if gen.torch.cuda.is_available() else 1 |
| n_tokens = len(gen.tok.apply_chat_template(build(ddl, "？", values), tokenize=True)) |
| if n_tokens > 3000: |
| print(f"注意：建表语句加取值有 {n_tokens} token，训练时最长的样本 2678 token，太长的库效果会变差") |
|
|
| questions = [args.question] if args.question else iter(lambda: input("\n问题：").strip(), "") |
| for q in questions: |
| out = answer(gen, [build(ddl, q, values)], [conn], repair=args.repair, vote=args.vote)[0] |
| report(conn, out, args.vote, args.min_votes, args.rows, args.show_unsure) |
|
|
|
|
| def report(conn: sqlite3.Connection, out: dict, vote: int, min_votes: int, limit: int, show_unsure: bool) -> None: |
| level, note = confidence(out, conn, vote, min_votes) |
| unsure = level in ("low", "failed") |
| print("\n" + note) |
| if unsure and not show_unsure: |
| return |
| print(("\nSQL（仅供参考）：" if unsure else "\nSQL：") + (out["sql"] or "（模型没写出 SQL）")) |
| if out["repairs"]: |
| print(f"（第一次写的跑不通，改了 {out['repairs']} 次）") |
| if out["sql"] and level != "failed": |
| show(conn, out["sql"], limit) |
|
|
|
|
| if __name__ == "__main__": |
| main() |
|
|
