ruoyi-ai/ruoyi-modules/ruoyi-chat/docs/数据库智能体实现总结.md

数据库操作智能体实现总结

概述

基于 LangChain4j 的 Pure agentic AI 模式，完成了一个智能数据库查询系统。该系统能够根据用户的自然语言问题，自动分析数据库结构、生成查询计划并执行相应的数据库操作。

架构设计

1. 整体框架

用户请求 → SupervisorAgent(协调器) → SqlAgent(数据库专家) → 数据库工具 → 数据库
                                                            ↓
                                                      结果处理与响应

2. 核心组件

A. SqlAgent (数据库查询专家)

• 文件: org.ruoyi.agent.SqlAgent
• 职责: 根据用户的自然语言问题，调用相应的工具查询数据库
• 使用的工具:
  • QueryAllTablesTool: 查询所有表名和注释
  • QueryTableSchemaTool: 查询表的DDL（CREATE TABLE语句）
  • ExecuteSqlQueryTool: 执行SELECT查询

public interface SqlAgent {
    @SystemMessage("...")  // 详细的系统提示
    @UserMessage("请回答以下问题：{{query}}")
    @Agent("一个智能数据库查询助手...")
    String getData(@V("query") String query);
}

B. SupervisorAgent (总体协调器)

• 在 OpenAIServiceImpl.doAgent() 中创建
• 作用：协调 SqlAgent 的执行，管理任务流程
• 响应策略：SUMMARY - 返回所有操作的摘要

SupervisorAgent supervisor = AgenticServices
    .supervisorBuilder()
    .chatModel(PLANNER_MODEL)
    .subAgents(sqlAgent)
    .responseStrategy(SupervisorResponseStrategy.SUMMARY)
    .build();

C. 数据库工具 (Tools)

1. QueryAllTablesTool

@Tool("Query all tables in the database and return table names and basic information")
public String queryAllTables()

• 返回数据库中所有表的名称和注释
• 使用注入的 agentDataSource DataSource

2. QueryTableSchemaTool

@Tool("Query the CREATE TABLE statement (DDL) for a specific table by table name")
public String queryTableSchema(String tableName)

• 返回指定表的建表SQL语句
• 包含SQL注入防护（表名有效性验证）

3. ExecuteSqlQueryTool

@Tool("Execute a SELECT SQL query and return the results. Example: SELECT * FROM sys_user")
public String executeSql(String sql)

• 执行SELECT查询（安全性考虑，不允许执行其他操作）
• 格式化查询结果，最多显示前20行

3. 配置体系

AgentMysqlProperties

配置文件前缀：agent.mysql

agent:
  mysql:
    enabled: true
    url: jdbc:mysql://localhost:3306/your_database
    username: your_username
    password: your_password
    max-pool-size: 10
    min-idle: 2

AgentMysqlConfig

• 创建独立的 DataSource Bean (agentDataSource)
• 使用 HikariCP 连接池管理
• 与项目主数据源隔离

TableSchemaManager

• 在应用启动时初始化表结构缓存
• 使用 ConcurrentHashMap 存储结构信息
• 支持按需刷新单个表的结构

工作流程示例

用户查询: "数据库有哪些表？"

1. SupervisorAgent 接收请求
   ↓
2. SupervisorAgent 分析请求，决定调用 SqlAgent
   ↓
3. SqlAgent 理解需求，调用 QueryAllTablesTool
   ↓
4. QueryAllTablesTool 连接数据库，获取所有表
   ↓
5. 结果返回给 SqlAgent
   ↓
6. SqlAgent 格式化结果
   ↓
7. SupervisorAgent 生成最终摘要
   ↓
8. 结果通过流式处理器返回给用户

用户查询: "查询 sys_user 表中有多少条记录"

1. SqlAgent 接收请求
   ↓
2. SqlAgent 分析需求，可能先调用 QueryTableSchemaTool 了解表结构
   ↓
3. 然后调用 ExecuteSqlQueryTool 执行 "SELECT COUNT(*) FROM sys_user"
   ↓
4. 获取查询结果并返回

Agentic AI 特性

自适应决策

• Agent 能根据上下文和之前的结果决定下一步操作
• 不是预定义的固定流程，而是动态适应

例子

当询问"查询部门表的字段信息时"：

• SqlAgent 可能先调用 QueryTableSchemaTool 获取建表SQL
• 如果发现需要具体的数据示例，会继续调用 ExecuteSqlQueryTool
• 整个决策过程由 LLM 驱动，非硬编码

安全考虑

1. 数据源隔离: Agent 使用独立的数据源（agentDataSource），与主应用隔离
2. SQL验证: 只允许执行 SELECT 查询
3. 表名验证: 表名必须通过正则表达式验证（防止SQL注入）
4. 权限限制: 可通过 AGENT_ALLOWED_TABLES 环境变量限制可访问的表
5. 凭证管理: 数据库凭证通过配置文件管理，不硬编码