自然语言到 SQL：Nova AI 如何将问题转化为数据库查询

人工智能驱动

新星人工智能 ➤ 您的数据库

新星人工智能

查询流

您的数据库

✓ 文本转 SQL

✓ 10种方言

✓ 模式验证

查看本指南之外查询流的所有功能 免费开始

支持

+更多

实时数据

用按需 SQL 取代导出

在 Excel 板材

商业智能和人工智能分析

询问 Nova，获取 SQL + 图表

认识诺瓦

数据库 REST API

每个合作伙伴使用一个密钥。不共享任何凭证。

构建 API

+更多

自动化

预定同步至 6 个以上平台

探索

+更多

将应用程序接口转换为 SQL

使用 SQL 查询 API，无需代码

探索

+更多

AI数据库MCP

Claude、Cursor、ChatGPT 和 Grok 可以与您的数据交互

Connect AI

Nova AI by Query Streams Nova 可以将简单的英语问题转换为经过验证的、针对特定语言方言的 SQL 查询，支持十种数据库引擎。例如，您可以输入“显示上季度各地区的总销售额”，Nova 会生成正确的 SQL 语句，其中包含正确的 JOIN 连接、聚合、日期函数以及适用于您特定数据库（PostgreSQL、MySQL、SQL Server、Oracle、Snowflake、BigQuery 或任何其他受支持的引擎）的方言语法。每个查询在执行前都会经过四阶段验证流程：模式发现、列验证、连接路径跟踪和语法验证。这正是 Nova 与只能猜测表名的通用聊天机器人之间的区别所在。以下五个真实示例展示了 Nova 如何将日益复杂的自然语言问题转换为准确的 SQL 语句。 免费试用 —无需信用卡。

自然语言如何转化为 SQL

从您的问题到验证结果的五个步骤

您的问题

“收入排名前十的产品”

模式查找

表、列、外键

SQL 生成

方言特定查询

验证

语法 + 模式检查

成果

数据网格或图表

1

简单筛选：将纯英语转换为 WHERE 子句

最常见的文本转 SQL 模式。Nova 将“来自加利福尼亚”映射到正确的列和值。

诺瓦

PostgreSQL — crm_prod

显示所有来自加利福尼亚州的活跃客户

“活跃客户”→WHERE status = 'active'

“来自加利福尼亚”→且州='CA'

查询语言 成果

复制 运行

选择 公司名称、联系邮箱、城市、州/省、创建时间
从 公共客户
地点 状态 = 'active'
  和 状态 = 'CA'
ORDER BY 公司名称

查询语言 成果 312

312 行 x 5 列 45毫秒

公司名称城市状态

Alpine Tech旧金山加州

湾区分析奥克兰加州

CloudBridge公司圣何塞加州

还有 309 行 展开

成立 312 位活跃客户 在加利福尼亚州。Nova 检测到了这一点。 状态 使用来自列分析的双字母缩写（CA，而非“California”）。想要按城市筛选或导出此数据吗？

向Nova咨询任何关于您数据的问题……

2

聚合：“总计”和“按”变为 SUM + GROUP BY

Nova 能从“总计”、“平均值”、“计数”等词语中识别聚合意图，并从“按类别”中识别分组意图。

诺瓦

MySQL — 电子商务

按产品类别划分的总收入，按收入从高到低排序

“总收入”→SUM(oi.quantity * oi.unit_price)

“按产品类别”→按类别分组

“按最高分排序”→按总收入降序排列

查询语言 成果

复制 运行

选择 p.类别，
       总计（oi.quantity * oi.unit_price） AS 总收入
       COUNT(区分 o.order_id) AS 订单数量
从 产品 p
连接 订单项 oi 关于 p.product_id = oi.product_id
连接 订单 o 关于 oi.order_id = o.order_id
GROUP BY p.类别
ORDER BY 总收入 DESC

查询语言 成果 8

8 行 x 3 列 92毫秒

类别总收入订单数量

电子$1,284,52012,840

软件$892,3408,920

服务$654,1003,270

+ 5 个其他类别 · 展开

电子 领先者共获得 128 万美元，涉及 12,840 个订单。Nova 通过自动连接功能合并了 3 个表。 产品 ID 和 订单ID 外键。想要柱状图还是想要深入查看特定类别？

向Nova咨询任何关于您数据的问题……

3

日期范围：“上个季度”到特定方言的日期功能

自然日期语言会根据您的数据库引擎映射到不同的 SQL 语句。Nova 会自动处理此过程。

诺瓦

SQL Server — finance_db

上季度月度发票总额

检测到 SQL Server 方言——使用 DATEPART、DATEADD、TOP 语法

查询语言 成果

复制 运行

选择
  日期部分（月份，发票日期） AS 发票月份
  日期名称（月份，发票日期） AS 月份名称，
  总计（总金额） AS 每月总计
  COUNT(*) AS 发票数量
从 dbo.invoices
地点 发票日期 >= 日期添加（四分之一， DATEDIFF（四分之一， 0, 获取日期()) - 1, 0)
  和 发票日期 < 日期添加（四分之一， DATEDIFF（四分之一， 0, 获取日期()), 0)
GROUP BY 日期部分（月份，发票日期），
         日期名称（月份，发票日期）
ORDER BY 发票月份

查询语言 成果 3

3 行 x 4 列 38毫秒

月份名称月总计发票数量发票月份

一月$148,3202341

二月$162,8902512

行进$157,4402483

二月份的账单金额最高。 $162,890注：因为这是 SQL 服务器Nova 使用 日期部分 和 日期添加 而不是 PostgreSQL 的 日期截断同样的问题在 Postgres 中会生成不同但等效的 SQL 语句。

向Nova咨询任何关于您数据的问题……

4

复杂查询：从一句话开始讲解子查询和窗口函数

高级问题会生成包含 CTE、子查询或窗口函数的多级 SQL——无需 SQL 知识。

诺瓦

Snowflake — analytics_wh

今年消费额高于平均水平的顾客，按总消费额排名

“高于平均水平”→拥有 total_spend > (子查询)

“今年”→WHERE YEAR(order_date) = 2026

按总消费额排名→按总消费金额降序排列

查询语言 成果

复制 运行 节省

和 客户总计 AS (
  选择 c.customer_id，c.company_name，
         总计（o.总金额） AS 总支出
  从 分析.客户 c
  连接 分析.订单 o 关于 c.customer_id = o.customer_id
  地点 年(o.order_date) = 2026
  GROUP BY c.customer_id, c.company_name)
选择 公司名称、总支出、
       等级() 结束 (ORDER BY 总支出 DESC) AS 支出排名
从 客户总计
地点 总支出 > (选择 AVG（总支出） 从 顾客总计）
ORDER BY 总支出 DESC

查询语言 成果 47

47 行 x 3 列 210毫秒

公司名称总支出支出排名

GlobalTech Solutions$428,9001

子午线公司$312,4502

Apex Manufacturing$289,1003

还有 44 行 展开

47 位顾客 超过平均支出 24,680 美元。Nova 使用了 CTE， 秩（） 窗口函数和子查询过滤器。Snowflake 特有的大写模式引用（分析.客户与您的仓库命名保持一致。

向Nova咨询任何关于您数据的问题……

5

模棱两可的问题：诺瓦在猜测之前会先提问

当你的问题可能对应多个表或列时，Nova 会要求你澄清，而不是凭空臆想。

诺瓦

PostgreSQL — 多租户

显示所有用户

我发现 3张桌子 这可能与“用户”匹配：

1auth.users — 1,240 行（包含邮箱、上次登录时间和角色的登录帐户）

2public.app_users — 8,920 行（包含名称、计划和组织 ID 的应用配置文件）

3legacy.user_accounts — 450 行（已弃用，已迁移至 auth.users）

您指的是哪张表？或者我应该加入？ auth.users 与 app_users 想了解全貌？

将 auth.users 与 app_users 合并

查询语言 成果 1,240

1240 行 x 5 列 67毫秒

电子邮件全名计划

[email protected]詹姆斯·陈企业版

[email protected]莎拉·帕克专业版

[email protected]迈克·托雷斯专业版

还有 1,237 行 展开

通过以下方式加入 auth.users.id = app_users.auth_user_id。 全部 1240个账户 返回了登录信息和个人资料的合并数据。

向Nova咨询任何关于您数据的问题……

这些例子展示了自然语言到 SQL 的转换

以上每个演示都展示了 Nova 自动处理的不同自然语言到 SQL 的转换模式。演示 1 展示了最简单的情况：将筛选短语（“来自加利福尼亚”）映射到 WHERE 子句。而使之变得不那么简单的是，Nova 检测到了…… 状态 该列使用双字母缩写，而非完整的州名——这是在模式发现过程中通过列分析了解到的细节。一个简单的文本转 SQL 系统会生成 条件为州 = '加利福尼亚州' 返回零结果。

演示 2 扩展到了聚合操作。诸如“总计”、“平均值”和“计数”之类的词语分别触发 SUM、AVG 和 COUNT 函数。“按类别”对应于 GROUP BY 子句，“按最高分排序”对应于 ORDER BY DESC 子句。Nova 还自动检测到，回答这个问题需要连接三个表——products、order_items 和 orders——它通过追踪模式中的外键关系实现了这一点。这种查询用英语描述只需 30 秒，但用 SQL 正确编写却需要几分钟，尤其是在不熟悉的表结构上。

演示 3 突出了方言感知功能。“上个季度”是一个日期概念，根据数据库引擎的不同，它会映射到完全不同的 SQL 语句。在 SQL Server 中，它会变成 DATEADD(QUARTER, DATEDIFF(QUARTER, 0, GETDATE()) - 1, 0)在 PostgreSQL 上，同样的意图会产生 date_trunc('quarter', current_date - interval '3 months')在 Snowflake 上，它使用 DATEADD('quarter', -1, DATE_TRUNC('quarter', CURRENT_DATE()))Nova 会根据您连接的数据库类型自动生成正确的变体。这种针对特定方言的生成方式，正是生产级文本转 SQL 工具与通用 AI 聊天机器人之间的区别所在。

演示 4 展示了 Nova 如何处理一个高级分析问题，该问题需要用到 CTE（公共表表达式）、用于计算平均值的子查询以及 RANK() 窗口函数——所有这些都由一个英文句子生成。演示 5 演示了当您的问题含糊不清时会发生什么：Nova 不会猜测并可能查询错误的表，而是会列出选项并让您选择。这一澄清步骤避免了 AI 生成的 SQL 中最常见的故障模式——生成错误的表名或列名，从而导致错误或不正确的结果。

为什么验证比生成更重要

从自然语言生成 SQL 只是难题的一半。更难的一半在于确保生成的 SQL 对你的特定数据库真正正确。像 ChatGPT 或 Claude 这样的通用 AI 模型可以编写看似合理的 SQL，但它们并不了解你实际的表名、列类型或列关系。它们只能猜测。而猜测往往会悄无声息地失败——查询可能运行，但会返回错误的结果，因为它连接了错误的列，或者筛选了一个使用了与预期不同值的列。

Nova 通过一个四阶段验证管道来解决这个问题，该管道会在每个查询到达数据库之前运行。首先，它会发现你的真实数据库模式——包括每个表、列、数据类型和外键关系。其次，它会分析列值，以了解诸如是否……之类的信息。 状态 使用“CA”或“California”，无论 状态 它使用 0/1 或“激活”/“非激活”表示枚举值的实际含义。第三，它使用真正的外键来追踪连接路径，而不是猜测列名相似度。第四，它通过 sqlglot 进行语法解析，并使用 rapidfuzz 进行列模糊匹配（阈值为 60%）来验证最终的 SQL 语句。如果引用的列不存在或拼写错误，Nova 会在执行前捕获到它，并自动纠正或提示您进行澄清。

文本转 SQL 支持的数据库

Nova 的自然语言到 SQL 引擎支持十个数据库平台：PostgreSQL、MySQL、SQL Server（Microsoft）、MariaDB、SQLite、Oracle、Snowflake、Google BigQuery、DuckDB 和 Microsoft Access。它还支持六个 API 连接器——Stripe、Shopify、HubSpot、Google Analytics 4、Google Search Console 和 ShipStation——通过将它们的数据同步到本地 DuckDB 表中，这些表可以使用标准 SQL 进行查询。每个数据库都有自己的 SQL 方言，在日期、字符串函数、标识符、分页和 NULL 值处理方面语法各不相同。Nova 会根据您连接的数据源自动生成正确的方言，因此您无需考虑这些方言。 限制 对比 顶部反引号引用与方括号引用的区别，或者 NVL 对比 合并您甚至可以在对话过程中切换数据库，Nova 会相应地调整其 SQL 输出。

自然语言数据库查询入门

使用 Nova 设置自然语言到 SQL 的转换只需不到五分钟。立即创建一个免费帐户 my.querystreams.com在任何具有数据库访问权限的计算机上安装 Query Streams Agent，添加数据源，即可开始查询。该 Agent 会创建一个加密的仅出站连接——无需更改防火墙设置、VPN 隧道或入站端口。它可在 Windows、macOS 和 Linux 系统上运行，自动更新，并支持多个并发数据库连接。

人工智能积分可通过以下方式获得： 包月订阅或一次性购买Nova 由先进的 AI 提供支持——查询流会自动为每个查询选择最佳提供商，以提供最佳结果。Nova 生成的任何查询都可以保存到您的查询库中，并与团队成员共享，以便他们从查询库中运行该查询。 Microsoft Excel 加载项 或 Google Sheets 插件 — 他们无需具备任何 SQL 知识。了解更多关于 Nova 所有功能的信息，请访问[此处]。 商业智能和人工智能数据分析功能页面.

元描述： 自然语言转 SQL——用纯英文输入问题，即可获得经过验证的、针对特定语言方言的 SQL 代码，支持 PostgreSQL、MySQL、SQL Server、Snowflake 以及其他 6 个数据库。查看 5 个真实示例。

类别： 新星人工智能
标签： 自然语言转 SQL、文本转 SQL、AI SQL 生成器、NL 转 SQL、AI 数据库查询、Nova AI、查询流、PostgreSQL、MySQL、SQL Server、Snowflake、BigQuery、AI 查询构建器、自然语言数据库查询、文本转 SQL 转换器

作者简介：
查询流团队由经验丰富的数据库专家、网络安全专业人士和企业网络资深人士组成，在数据管理、分析和安全软件开发领域拥有超过25年的综合经验。