DBChat 智能体

DBChat 是一款将传统数据库操作从”SQL 驱动”升级为”语义驱动”的智能桌面工具。用户通过自然语言查询数据库，系统自动完成 Schema 理解、SQL 生成、安全验证与执行，大幅降低数据库使用门槛。

项目背景

传统数据库管理工具（如 Navicat、DBeaver）要求用户具备 SQL 编写能力，对非技术人员不够友好。即使是有经验的开发者，在面对复杂查询时也需要反复调试 SQL 语句。随着大语言模型（LLM）技术的成熟，我们探索将自然语言处理能力引入数据库管理场景，让用户可以用日常语言与数据库对话。

系统架构

采用 React + FastAPI + Tauri 三端架构：

• 前端（React + TypeScript）：负责用户界面渲染、对话交互管理、结果可视化展示
• 后端（FastAPI + Python）：核心业务逻辑层，集成 LangGraph Agent、数据库连接池、SQL 执行引擎
• 桌面壳（Tauri v2 + Rust）：将 Web 应用打包为跨平台桌面程序，集成 Python Sidecar 进程

支持主流数据库：MySQL、PostgreSQL、SQLite、SQL Server。

核心技术实现

1. 多阶段 Agent 有向图

基于 LangGraph 构建多阶段 Agent 工作流，串联完整查询链路：

用户输入 → Schema 理解 → 意图识别 → SQL 生成 → 安全验证 → 执行 → 结果返回

每个阶段独立可回溯，支持子图路由与容错机制。相比 LLM 直出 SQL，准确率显著提升，有效解决表名幻觉问题。

2. Tauri v2 桌面集成

使用 Tauri v2 套壳集成 Python Sidecar 进程，通过 PyInstaller 将 FastAPI 服务打包为独立可执行文件。消除 Web 部署依赖，实现真正的跨平台桌面应用分发（Windows/macOS/Linux）。

3. 双重安全防护

• Prompt 守卫：在 LLM 输入层拦截潜在的危险指令（如”删除所有数据”）
• SQL Validator：在执行前验证 SQL 语句，拦截无 WHERE 条件的 UPDATE/DELETE、DROP TABLE 等高风险操作

双重机制降低误操作风险，保障数据安全。

4. 四层数据生命周期模型

• 连接验证层：建立数据库连接时验证凭证有效性
• Schema 刷新层：定期同步数据库元数据，确保 Agent 掌握最新表结构
• 会话激活层：管理多轮对话上下文，支持连续查询
• 消息持久化层：保存历史对话记录，支持回溯与复用

技术栈

• 前端：React, TypeScript, TailwindCSS
• 后端：Python, FastAPI, LangGraph, SQLAlchemy
• 桌面：Tauri v2, Rust, PyInstaller
• 数据库：MySQL, PostgreSQL, SQLite, SQL Server

项目价值

• 降低数据库使用门槛，非技术人员可通过自然语言查询数据
• 多阶段 Agent 架构提升 SQL 生成准确率，减少幻觉问题
• 桌面部署模式保障数据隐私，无需将敏感数据上传至云端
• 双重安全机制防止误操作，适合生产环境使用