1、介绍

1.1 主要内容

PydanticAI开源框架介绍及使用PydanticAI实现Text2SQL生成SQL语句应用
本次应用案例实现功能为:在线客服支持、基于PostgreSQL数据库的Text2SQL生成SQL语句，基于MySQL数据库的Text2SQL生成SQL语句
相关视频:
https://www.bilibili.com/video/BV136CBYGErg/
https://youtu.be/CuwoYERga2g

1.2 PydanticAI框架

PydanticAI是基于Pydantic构建的一个扩展框架，专注于增强AI模型的易用性，提供模型验证和数据验证功能
Pydantic是一个用于数据验证和设置的Python库，其核心功能是通过Python的类型注解、实现高效的数据验证和解析。它以简单、直观的方式定义数据模型，广泛用于构建API、处理配置和验证复杂数据结构
官方网址:https://ai.pydantic.dev/
Github地址:https://github.com/pydantic/pydantic-ai
官方推荐理由，为什么使用PydanticAI
(1)由Pydantic团队打造
(2)支持OpenAI、Anthropic、Gemini、Ollama、Groq 和 Mistral，并有一个简单的接口来实现对其他模型的支持
(3)提供类型检查确保类型安全
(4)以python为中心的设计，利用Python熟悉的控制流和Agent来构建人工智能驱动的项目
(5)结构化响应输出，利用 Pydantic 的强大功能来验证和构建模型输出，确保各次运行的响应是一致的
(6)提供可选的依赖注入系统，为Agent的系统提示、工具和结果验证器提供数据和服务。这对于测试和评估驱动的迭代开发非常有用
(7)提供连续流式LLM输出的能力，可立即进行验证，确保快速、准确地得出结果
核心功能
Agents: Agent是PydanticAI与LLM交互的主要接口，具体相关属性可查看官网文档介绍
Models: PydanticAI与模型无关，内置了对以下模型提供商的支持:OpenAI、Anthropic、Gemini、Ollama、Groq 和 Mistral等
Dependencies: 提供可选的依赖注入系统，为Agent的系统提示、工具和结果验证器提供数据和服务
Function Tools: 提供给LLM可调用的外部工具
Results: 结果是运行Agent时返回的最终值。结果值封装在RunResult和StreamedRunResult中
Logfire: 一个可观察性平台，由创建和维护 Pydantic 和 PydanticAI 的团队开发，https://pydantic.dev/

2、前期准备工作

2.1 开发环境搭建:anaconda、pycharm

anaconda:提供python虚拟环境，官网下载对应系统版本的安装包安装即可
pycharm:提供集成开发环境，官网下载社区版本安装包安装即可
可参考如下视频:
集成开发环境搭建Anaconda+PyCharm
https://www.bilibili.com/video/BV1q9HxeEEtT/?vd_source=30acb5331e4f5739ebbad50f7cc6b949
https://youtu.be/myVgyitFzrA

2.2 大模型相关配置

(1)GPT大模型使用方案(第三方代理方式)
(2)非GPT大模型(阿里通义千问、讯飞星火、智谱等大模型)使用方案(OneAPI方式)
(3)本地开源大模型使用方案(Ollama方式)
可参考如下视频:
提供一种LLM集成解决方案，一份代码支持快速同时支持gpt大模型、国产大模型(通义千问、文心一言、百度千帆、讯飞星火等)、本地开源大模型(Ollama)
https://www.bilibili.com/video/BV12PCmYZEDt/?vd_source=30acb5331e4f5739ebbad50f7cc6b949
https://youtu.be/CgZsdK43tcY

3、项目初始化

3.1 下载源码

GitHub或Gitee中下载工程文件到本地，下载地址如下：
https://github.com/NanGePlus/PydanticAITest
https://gitee.com/NanGePlus/PydanticAITest

3.2 构建项目

使用pycharm构建一个项目，为项目配置虚拟python环境
项目名称：PydanticAITest
虚拟环境名称保持与项目名称一致

3.3 将相关代码拷贝到项目工程中

将下载的代码文件夹中的文件全部拷贝到新建的项目根目录下

3.4 安装项目依赖

新建命令行终端，在终端中运行 pip install -r requirements.txt 安装依赖
注意: 建议先使用要求的对应版本进行本项目测试，避免因版本升级造成的代码不兼容。测试通过后，可进行升级测试

4、功能测试

(1)测试脚本

这里为大家演示3个测试用例，在根目录下
basic_support.py:实现在线客服支持
postgresql_gen_execute.py:实现基于PostgreSQL数据库的Text2SQL，生成SQL语句
mysql_gen_execute.py:实现基于MySQL数据库的Text2SQL，生成SQL语句

(2)大模型准备

gpt大模型(使用代理方案):
OPENAI_BASE_URL=https://yunwu.ai/v1
OPENAI_API_KEY=sk-jbwlXGjutkupIpiN7A7tlstXiifAuKrYag9iSVGdv4THnDvi
OPENAI_CHAT_MODEL=gpt-4o-mini
非gpt大模型(使用OneAPI方案):
OPENAI_BASE_URL=http://139.224.72.218:3000/v1
OPENAI_API_KEY=sk-Rg0ETo4QXdunA5ET926e31De120b4905Bf8f9fCc4945E3Fb
OPENAI_CHAT_MODEL=qwen-plus

(3)logfire项目创建

打开如下链接地址进行注册和登录，登录成功后进行项目创建并生成token
https://logfire.pydantic.dev/nangeplus/-/projects

(4-1)测试basic_support.py

打开命令行终端，进入脚本所在目录，运行 python basic_support.py 命令

(4-2)测试postgresql_gen_execute.py

首先，使用docker部署和启动PostgreSQL数据库，运行的指令为:
docker run --rm -e POSTGRES_PASSWORD=postgres -p 54320:5432 postgres
对于docker的使用，这里不做详细的赘述了，大家可以去看我这期视频，里面有对于docker非常详细的讲解，从安装部署到使用
https://www.bilibili.com/video/BV1LhUAYFEku/?vd_source=30acb5331e4f5739ebbad50f7cc6b949
https://youtu.be/hD09V7jaXSo
打开命令行终端，进入脚本所在目录，运行 python postgresql_gen_execute.py 命令
然后，打开数据库客户端软件对生成的SQL语句进行测试，在运行脚本之前，可以写一些假数据进行测试，运行如下SQL脚本
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('张三丰', '男', '2001-06-15', '13861456189', '武当山', 12, 3.75);
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('李白', '男', '2002-09-23', '13865432187', '长安', 11, 3.8);
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('王小明', '男', '2000-12-01', '13867923456', '北京', 12, 3.9);
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('张晓华', '女', '2003-07-19', '13868901234', '上海', 9, 3.6);
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('王小丽', '女', '2002-02-05', '13869876543', '深圳', 11, 3.7);
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('赵明哲', '男', '2001-03-18', '13861324567', '广州', 12, 3.9);
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('陈静', '女', '2000-11-20', '13863457892', '杭州', 9, 3.8);
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('李娜', '女', '2003-08-30', '13865678901', '杭州', 9, 3.7);
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('张伟', '男', '2001-05-27', '13868902345', '天津', 12, 3.85);
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('刘芳', '女', '2002-04-14', '13869786543', '武汉', 11, 3.9);
最后，打开命令行终端，进入脚本所在目录，运行脚本进行测试
python postgresql_gen_execute.py "查找所有9年级的女生"
python postgresql_gen_execute.py "查找所有9年级的女生，家住在杭州，按GPA分数从小到大排序"
python postgresql_gen_execute.py "查找9到11年级的学生，按GPA分数从大到小排序"
python postgresql_gen_execute.py "查找出生日期在2001年4月以后的学生，按GPA分数从大到小排序"

(4-3)测试mysql_gen_execute.py

首先，这里可以使用docker部署和启动MySQL数据库，也可以使用自己远程部署的数据库，这里我以阿里云部署的数据库为例
打开命令行终端，进入脚本所在目录，运行 python mysql_gen_execute.py 命令
然后，打开数据库客户端软件对生成的SQL语句进行测试，在运行脚本之前，可以写一些假数据进行测试，运行如下SQL脚本
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('张三丰', '男', '2001-06-15', '13861456189', '武当山', 12, 3.75);
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('李白', '男', '2002-09-23', '13865432187', '长安', 11, 3.8);
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('王小明', '男', '2000-12-01', '13867923456', '北京', 12, 3.9);
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('张晓华', '女', '2003-07-19', '13868901234', '上海', 9, 3.6);
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('王小丽', '女', '2002-02-05', '13869876543', '深圳', 11, 3.7);
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('赵明哲', '男', '2001-03-18', '13861324567', '广州', 12, 3.9);
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('陈静', '女', '2000-11-20', '13863457892', '杭州', 9, 3.8);
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('李娜', '女', '2003-08-30', '13865678901', '杭州', 9, 3.7);
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('张伟', '男', '2001-05-27', '13868902345', '天津', 12, 3.85);
INSERT INTO students (first_name, gender, date_of_birth, phone_number, address, grade_level, gpa)
VALUES ('刘芳', '女', '2002-04-14', '13869786543', '武汉', 11, 3.9);
最后，打开命令行终端，进入脚本所在目录，运行脚本进行测试
python mysql_gen_execute.py "查找所有9年级的女生"
python mysql_gen_execute.py "查找所有9年级的女生，家住在杭州，按GPA分数从小到大排序"
python mysql_gen_execute.py "查找9到11年级的学生，按GPA分数从大到小排序"
python mysql_gen_execute.py "查找出生日期在2001年4月以后的学生，按GPA分数从大到小排序"