数据#文本转 SQL#对话式分析

SQLBot:DataEase 出品的开源智能问数系统

SQLBot 是 DataEase 团队开源的 ChatBI 系统,自然语言转 SQL 并出图表,Docker 一键部署,支持 Web 嵌入与 MCP 调用。

项目资料

GitHub Ecosystem
仓库地址github.com/dataease/SQLBot
主语言
JavaScript
星标
6,982
核查时间
2026-10-27

以上快照资料以核查当日为准,可能随版本或运营策略变化。

SQLBot 的对话界面:左侧是数据源与会话列表,主区域是一个自然语言问题、生成的 SQL 与查询结果图表

业务同事想要一份数据,走流程要排期写 SQL,自己装 BI 工具又学不会——「智能问数」(ChatBI)就是冲着这个缝隙来的。SQLBot 是 DataEase 开源项目组(飞致云)出品的基于大模型和 RAG 的问数系统:接入 MySQL、PostgreSQL、Oracle、Elasticsearch、ClickHouse 等数据源后,用自然语言提问,系统走「提示工程 → SQL 生成 → SQL 审核 → 执行 → 图表渲染 → 智能分析」的流水线返回结果。截至 2026-10-27,仓库约 7,000 Star,主分支当日仍有提交,最新版 v1.10.2 于 2026-09-23 发布。与自己拼 Text-to-SQL 脚本相比,它把权限隔离、SQL 审核、术语校准这些生产要件做成了产品。

SQLBot 的工作原理:从用户提问经 LLM 提示工程、SQL 审核、执行到图表渲染与智能分析的流程

核心功能

  • 自然语言问数:基于大模型 + RAG 的 Text-to-SQL 转换,提问返回 SQL 查询结果与可视化图表,并支持追问式智能分析。
  • 多数据源:MySQL、PostgreSQL、Oracle、Elasticsearch、ClickHouse 等(README 清单),工作空间级资源隔离加细粒度数据权限。
  • SQL 审核环节:生成的 SQL 先审后执行,降低误写 DELETE/DROP 一类语句的风险。
  • 越问越准:自定义提示词、术语库和 SQL 示例校准逻辑,让「我们的 GMV 口径」这类业务黑话能被正确翻译。
  • 易集成:Web 嵌入、弹窗嵌入、MCP 调用三种方式,README 列出可嵌入 n8n、Dify、MaxKB、DataEase 等应用。

典型使用场景

  • 企业内部 ChatBI:运营、市场同事在权限范围内自助查数,不再为每个取数需求排队。
  • 嵌入现有系统:把问数能力以弹窗或 iframe 嵌进自家管理后台,或通过 MCP 让 Agent 直接查库。
  • 内网离线部署:飞致云提供离线安装包,数据不出内网。

快速上手

一台装好 Docker 的 Linux 服务器:

docker run -d \
  --name sqlbot \
  --restart unless-stopped \
  -p 8000:8000 \
  -p 8001:8001 \
  -v ./data/sqlbot/excel:/opt/sqlbot/data/excel \
  -v ./data/sqlbot/file:/opt/sqlbot/data/file \
  -v ./data/sqlbot/images:/opt/sqlbot/images \
  -v ./data/sqlbot/logs:/opt/sqlbot/app/logs \
  -v ./data/postgresql:/var/lib/postgresql/data \
  --privileged=true \
  dataease/sqlbot

浏览器打开 http://<服务器IP>:8000/,默认账号 admin(密码见 README),先在设置里配置大模型 API 与数据源,然后就可以提问了。1Panel 用户可以直接从应用商店安装。

小结

SQLBot 适合想给业务团队上自助取数、又不想从零拼 Text-to-SQL 管线的团队:数据源适配、权限隔离、SQL 审核、口径校准这些脏活它都做成了配置项。要诚实说三点:协议是飞致云修改版 GPLv3(保留 LOGO 和版权信息,商用需读 LICENSE 条款);问数质量依赖大模型能力和术语库维护,冷启动阶段错 SQL 不少见;--privileged 的容器参数在安全敏感环境需要评估。主语言 JavaScript,容器镜像 dataease/sqlbot。接入了 Postgres 数据源的话,配套的备份面可以看 Databasus——自托管数据库的物理备份与时间点恢复。