vanna+deepseek+chainlit 实现自然语言转SQL的精度调优

先说目前遇到的问题吧，单表数据SQL 生成准确度是可以的，但是复杂SQL以及多表联查时，生成的SQL就一言难尽了。

目前的解决方案：

一、数据训练后台

创建后台来管理三类训练数据，DDL 、SQL、DOC文档。

使用三个集合，来分别管理这三类数据

添加训练SQL：

二、前端与用户交互，询问是否将本次对话加入到训练库中

前端与用户交互，询问是否将本次对话加入到训练库中，如果确认，则给用户回显当前训练库中相似度最高的前3条SQL供用户预览，然后二次确认是否需要将本次对话加入到训练库中

三、对于复杂SQL 如多表查询

对于复杂SQL 如多表查询，生产SQL，主要是基于训练的SQL生成。

用户提问，然后对于训练库数据召回。

• ≥99.5%相似度：直接使用训练库中的SQL

• 80%-99.5%相似度：基于已有SQL让大模型微调

• <80%相似度：正常生成流程（DDL+SQL+DOC交给大模型生成）

后续我会把源码放出来。。。