AI可以做数据库的数据分析

逻辑流程图如下：上面说的两种方式对应流程图的上下两个步骤，红色部分是重点。SQL分析：用户描述想分析的内容，后台连接DB，附带表结构信息让AI输出SQL语句，校验是SELECT类型的SQL，其他操作如UPDATE/DELETE绝不能通过！！校验通过后执行SQL返回结果数据。再将数据传给GPT（附带上下文），让AI学习并分析数据，最后输出分析结论和建议，和结果数据一起返回给前端页面渲染图表、展示分析结论。目前已实现两张表关联查询。个性化分析：用户上传文件，如有需要可以简单描述这是什么数据、字段意义或作用辅助分析。前端解析用户上传的文件，再传给GPT分析数据，后续步骤与上面一致。流程描述得比较详细，就不具体讲解开发过程和代码了，而是会更多讲述开发时的一些问题、重点和技巧。相关重点：

1、为什么还要反复校验是不是SELECT SQL语句？这里不仅仅是AI不完全可控的原因，还有永远不要相信用户的输入，万一用户恶意输入一些描述，非要执行UPDATE/DELETE等恶意操作，那就完了。所以一定要再次校验AI生成是否是安全的SELECT SQL语句，非查询类SQL坚决不通过！！提示不支持此类请求。2、为什么到AI分析那一步骤还要拼接上下文？上文是有表结构信息和SQL语句，这些可以提供给GPT更好理解数据和字段的意义，分析更准确。3、针对表结构长类型字段，不允许直接查询，防止token消耗过多。其实最好还是告诉GPT只允许查询哪几个字段，或者用哪几个SQL函数，尽量让GPT生成可控。[heading3]个性化分析[content]1、用户上传的数据解析后需要判断数据格式是否符合要求，超长可以限制截取前面若干项，防止token消耗过多。2、在前端解析用户上传的数据，分析完可以直接用于渲染数据图表，无需再让后端再返回。3、需要支持用户补充输入，可以简单描述这是什么数据、字段意义或作用，用于辅助AI分析。如果都是易理解语义化的字段名，可以无需描述，GPT也能识别。遇到一些多维度数据，GPT可能会误将其他字段作为维度分析，为了准确性可以输入：“以xxx(字段名)为维度分析”；还可以输入：“这是xxx数据”更好帮助AI分析。

|术语ID|原文|译文|领域|易混淆|缩写|不需要提醒||-|-|-|-|-|-|-||ROW()-1|Data-Driven Spectral Analysis|数据驱动的光谱分析|AI|||||ROW()-1|Data-Mining|数据挖掘|AI|1||||ROW()-1|Database|数据库|AI|||||ROW()-1|DE Algorithm|差分进化算法|AI|1||||ROW()-1|Deeplift|DeepLift模型|AI|||||ROW()-1|Dendrogram|树状图|AI|||||ROW()-1|Density Functional Theory|密度泛函理论|AI|||||ROW()-1|Density-Based Spatial Clustering Of Applications With Noise|DBSCAN密度聚类|AI|||||ROW()-1|Descriptor|描述符|AI|||||ROW()-1|DFT Calculations|DFT计算|AI|||||ROW()-1|Dice Similarity|戴斯相似度|AI|||||ROW()-1|Differential Evolution|差分进化|AI||||