冷眸

Text-to-SQL不学就亏了！9 个惊艳的开源 NL2SQL 项目

· 冷眸
目 录

以前，领导、决策者或者业务同事，想统计个数据、整份报告，几乎都得“求”技术人员帮忙。领导先把需求说出来，技术人员再把这些需求翻译成技术语言（比如 SQL），然后去跑数据、做分析，好不容易才出个结果。整个流程不仅慢，还经常来回沟通好几轮，效率感人。

但现在不一样了。随着大模型能力越来越强、应用场景越来越多，从 Text 转 SQL、Chat 转 SQL 这种玩法特别火。核心思路就是用大模型把自然语言直接翻译成可执行的 SQL，帮你做数据分析，再把结果自动生成报告或者可视化图表。这样一来，领导想啥时候要报告都能马上搞定，面对向上汇报也不再慌张。在决策支持、大屏展示等场景里，这种方式特别管用。

本文整理了几个优秀的 Text2SQL 开源项目和资源，方便大家参考、借鉴。

1. Chat2DB

GitHub Star 约 23K ⭐ https://github.com/chat2db/chat2db

Chat2DB 是一款智能化、通用型的 SQL 客户端和数据报表工具，把 AI 能力深度整合到数据库管理和分析里。它最大的亮点是可以用自然语言直接生成 SQL，省去了手写的麻烦，还能自动生成可视化报表，让数据分析和汇报都变得轻松高效。

主要特点：

  • 多数据库支持：兼容 MySQL、PostgreSQL、Oracle、SQL Server、SQLite、ClickHouse、OceanBase、Hive、MongoDB、Redis、Snowflake 等多种数据库。
  • AI 驱动 SQL：从自然语言快速生成可执行 SQL，降低技术门槛。
  • 报表与可视化：分析结果可直接生成报告或大屏可视化，方便展示。
  • 版本选择灵活：提供免费开源社区版和本地 Pro 版，Pro 版在 AI 功能、数据同步、迁移、仪表盘等方面更强大。
  • 社区活跃度高：GitHub Star 数量接近 24K，用户群体和讨论氛围热烈，不过近期开发节奏稍有放缓。

此外，chat2DB还在Huggingface提供了它的7B开源模型： https://huggingface.co/Chat2DB/Chat2DB-SQL-7B

2. SQL Chat

GitHub Star 约 5.4K ⭐ https://github.com/sqlchat/sqlchat

SQL Chat 是一款以对话为核心的 SQL 客户端和编辑器，让你可以用自然语言与数据库互动，实现查询、修改、添加或删除等常用操作，极大地提升了数据库操作的直观性和亲和力。

核心特点如下：

  • 畅聊式界面 —— 不再被复杂界面卡住，只需一句话，就能驱动数据库操作，顺滑又高效。
  • 多库支持 —— 目前兼容 MySQL、PostgreSQL、MSSQL 以及 TiDB Cloud，未来有望扩展更多类型。
  • 技术栈现代 —— 基于 Next.js 构建，可以快速部署到 Vercel，也可选择自托管方案。
  • 开源免费 —— 完全开源，没有门槛，有兴趣可以自己搭建或二次开发。

3. Vanna

GitHub Star 约 19.8K ⭐ https://github.com/vanna-ai/vanna

Vanna 是一个开源的 Python RAG（检索增强生成）框架，致力于将自然语言转换为 SQL 查询，并将这一 AI 能力应用于数据库交互场景中。

使用方式：两步走，轻松上手

  1. 训练 RAG 模型，将你的数据库 schema、历史查询等信息构建成检索基础；
  2. 自然语言提问，自动生成可执行 SQL 查询。

支持广泛

  • 数据库类型
    PostgreSQL、MySQL、PrestoDB、Hive、ClickHouse、Snowflake、Oracle、SQL Server、BigQuery、SQLite、DuckDB 等。

  • 前端支持
    可通过 Jupyter、Streamlit、Flask、Chainlit、Slack 等接入方式使用。

  • LLM 与向量库兼容性广泛
    支持 OpenAI、Anthropic、Gemini、HuggingFace、AWS Bedrock、Ollama、千问·千帆、智谱等主流 LLM；同时兼容 AzureSearch、OpenSearch、PgVector、Pinecone、ChromaDB、FAISS、Milvus、Qdrant、Weaviate、Marqo、Oracle 等向量数据库。

企业级支持 & 安全治理

  • Vanna OSS（开源版）：开放源代码，支持本地部署与高度定制；
  • Vanna Cloud：无需部署即可使用，适合快速试验；
  • Self-Hosted 企业版：适配企业合规要求，支持部署在私有云/VPC 内；
  • Embedded API：让你在现有应用中无缝集成 Vanna AI。

此外，Vanna 在设计上强化了 隐私与安全性——只有在你明确授权时才会将数据库内容发送至 LLM，默认仅处理 metadata（如 schema 和文档说明），并且具有持续自学习能力——使用越多，表现越好。

4. Dataherald

GitHub Star 约 3.5K ⭐ https://github.com/Dataherald/dataherald

Dataherald 是一个企业级的自然语言转 SQL 引擎，让你可以通过 API 直接对结构化数据进行“问答”，免去传统统计分析的繁琐流程。

  • 自然语言 SQL 查询
    使用自然语言即可与数据库交互，适合业务人员直接获取数据洞察，无需依赖数据分析师。

  • 模块化设计
    架构高度可定制，核心组件（如 NL-to-SQL 引擎、评估模块等）可灵活替换。

  • 支持的数据库类型丰富
    支持 PostgreSQL、BigQuery、Snowflake、Databricks 等主流数据平台。

  • 部署方式灵活
    提供开源版可通过 Docker 本地部署，也有托管版本满足快速上线需求。

  • 增强提示和准确评估机制
    构建了 “Context Store” 用于 NL-to-SQL few-shot 提示，同时可以自动执行生成的查询、评估其准确性，支持人机协同优化。

  • 社区与认可度
    GitHub 当前星标数约为 3.5K，是 Text-to-SQL 领域中一个颇受关注的开源项目。

总而言之，Dataherald 是一个成熟、模块化、适合企业级使用的自然语言转 SQL 引擎，支持多种部署方式和主流数据库平台。它为 Text-to-SQL 场景提供了强大的功能，并且在社区和技术上都有不俗的口碑。

5. WrenAI

GitHub Star 约 9.8K ⭐ https://github.com/Canner/WrenAI

WrenAI 是一款开源的 Generative BI（GenBI）Agent，能让你直接对数据库“聊天”——生成 SQL、图表（Text-to-Chart），并且输出 AI 驱动的数据洞察，一通话就搞定

  • 自然语言询问，精准响应
    透过自然语言就可访问数据库，省了写 SQL 的烦恼

  • 智能视觉呈现
    自动生成图表、BI 报告和 AI 摘要，脱口而出的洞察力，让人一看就懂

  • 语义层建模（Semantic Layer）
    使用 Modeling Definition Language（MDL），为数据结构、度量逻辑加上商业语境，让生成的 SQL 更准确、易管控

  • 接入广泛数据库
    支持 Athena (Trino)、Redshift、BigQuery、DuckDB、PostgreSQL、MySQL、SQL Server、ClickHouse、Oracle、Snowflake 等

  • 兼容主流 LLM 平台
    支持 OpenAI（及 Azure）、Google Gemini / Vertex AI、Anthropic、Ollama、Databricks、Groq 等多种模型

  • 灵活部署方式
    提供开源版本、云端服务（Wren AI Cloud）及企业自托管方案，适配各类使用场景

  • 丰富 API 支持
    最新 v0.25.0 增加了强大的 API 能力，包括 Models、Ask、Summary、Streaming、Knowledge CRUD 等接口，极大提升交互灵活性

6. SuperSonic（腾讯音乐开源的下一代 BI 平台）

GitHub Star 约 4K ⭐ https://github.com/tencentmusic/supersonic

SuperSonic 是腾讯音乐推出的开源 ChatBI 平台，旨在通过自然语言交互实现数据分析与可视化，降低业务人员对数据分析的门槛。该平台融合了 ChatBI 和 Headless BI 的理念，支持多种数据库和大语言模型（LLM），提供灵活的部署方式，适用于企业级数据分析场景。

  • 自然语言转 SQL（Text-to-SQL）
    用户可以通过自然语言提问，平台将自动生成 SQL 查询并执行，返回分析结果。

  • ChatBI 与 Headless BI 融合
    ChatBI 提供自然语言交互界面，Headless BI 屏蔽底层数据结构，提供统一的指标和维度定义，支持多种数据源的接入。

  • 支持多种数据库和 LLM
    支持 PostgreSQL、MySQL、ClickHouse、Doris 等数据库，以及 OpenAI、Vertex AI、Anthropic 等大语言模型。

  • 灵活的部署方式
    提供 Docker 部署、JAR 包部署等方式，用户可以根据需求选择合适的部署方式。

  • 丰富的 API 支持
    提供 Ask、Summary、Streaming 等 API，支持自定义插件和指标市场扩展，满足多样化的业务需求。

7. Awesome-Text2SQL

GitHub Star 约 3K ⭐ https://github.com/eosphoros-ai/Awesome-Text2SQL

Awesome-Text2SQL 是由 DB-GPT 社区发起的开源项目，旨在汇总和整理 Text-to-SQL 领域的优质教程、模型、数据集和工具，帮助研究人员和开发者快速入门并深入了解该领域。该项目支持中英文双语，内容涵盖从基础概念到前沿技术的各个方面。

  • Text-to-SQL 概念介绍
    解释什么是 Text-to-SQL，以及其在自然语言处理和数据库查询中的应用。

  • 经典模型与方法
    收录了多种经典的 Text-to-SQL 模型和方法，供学习和参考。

  • 数据集与评测指标
    提供了多个用于训练和评估 Text-to-SQL 模型的数据集，以及相应的评测指标，帮助用户进行模型的训练和性能评估。

  • 微调与实践指南
    分享了如何在开源大模型（如 CodeLlama）上进行微调，以提高在特定任务上的执行准确性。

  • 工具与库
    推荐了一些有助于 Text-to-SQL 开发的第三方 Python 库和工具，提升开发效率。

8. DuckDB-NSQL

GitHub Star 约 309 ⭐ https://github.com/NumbersStationAI/DuckDB-NSQL

DuckDB-NSQL 是由 Numbers Station 与 MotherDuck 联合推出的开源 Text-to-SQL 模型，专为本地 DuckDB 数据分析任务设计。该模型旨在通过自然语言生成 DuckDB 的 SQL 查询，支持本地部署，确保数据隐私与高效处理。

  • 本地化部署，数据隐私保障
    支持在本地机器上运行，避免数据上传至云端，确保数据隐私。

  • 全面支持 DuckDB SQL 方言
    能生成包括官方扩展在内的所有 DuckDB SQL 语句，超越传统模型仅支持 SELECT 语句的限制。

  • 高效推理与低延迟
    使用量化模型（GGUF 格式），结合 llama.cpp 实现快速推理，适用于资源受限的环境。

  • 开源与社区支持
    模型权重在 Hugging Face 上公开，支持社区贡献与改进。

9. LangChain SQL

https://python.langchain.com/v0.1/docs/use_cases/sql

LangChain 是一个用于开发大型语言模型（LLM）驱动应用的框架，支持与 SQL 数据库的集成，构建自然语言与数据库交互的问答系统。通过 LangChain，用户可以：

  • SQLDatabaseChain：用于将 LLM 与 SQL 数据库连接的链式结构，支持将自然语言问题转换为 SQL 查询并执行，返回结果。适用于简单的问答任务。

  • SQLDatabaseToolkit：为 LLM 提供与 SQL 数据库交互的工具集，支持更复杂的查询和多轮交互。

  • QuerySQLDatabaseTool：执行 SQL 查询的工具，返回查询结果。适用于需要直接执行 SQL 查询的场景。

  • Prompting 策略：通过优化提示语，提高 SQL 查询生成的准确性和效率。

  • 查询验证：对生成的 SQL 查询进行验证，确保其安全性和正确性。

  • 大规模数据库支持：处理包含大量表和高基数列的大型数据库。

最后

大模型能力的提升是一个渐进过程，因此在实际应用中，许多模型仍然存在不确定性和不稳定性。使用基于大模型的 Text2SQL 方案生成的 SQL 查询时，需要格外谨慎，确保降低潜在风险。实践中建议：

  • 明确数据库上下文：在生成 SQL 前，清楚描述所使用的数据库结构、表关系和字段信息。
  • 限制查询输出规模：避免一次性返回过多数据，控制查询结果量。
  • 验证与检查 SQL：在执行前仔细审查生成的 SQL，确保其正确性和安全性。

通过这些措施，可以在享受大模型带来便利的同时，最大程度保障数据安全和应用稳定。