文章目录

概要整体架构流程技术细节

获得schema构建展示页面设置页面标题设置对话框提问按钮 # 设置点击操作小结

概要

AI 技术的应用极大地提升了运营效率，并为电商行业带来了个性化推荐、用户行为分析、库存管理和市场趋势预测等关键领域的数据分析能力，在这种背景下，构建一个高效、可靠的AI电商数据分析系统显得尤为关键。

本文旨在详细指导大家如何利用腾讯云的高性能应用服务 HAI 和TDSQL-C MySQL Serverless 版构建 AI电商数据分析系统。HAI作为一个面向AI和科学计算的GPU应用服务产品，提供了强大的计算能力，使得复杂AI模型如LLM的快速部署和运行成为可能，进而支持自然语言处理和图像生成等高级任务。与此同时，TDSQL-C MySQL版作为一款云原生关系型数据库，其100%的MySQL兼容性，以及极致的弹性、高性能和高可用性，使其成为电商业务中处理海量数据存储和查询的理想选择。

本文将通过 Python 编程语言和基于 Langchain 的框架，逐步引导大家完成系统的构建和部署。

整体架构流程

本次实验我们基于 TDSQL-C Mysql Serverless 快速搭建 AI电商数据分析系统，实现思路如下:

1、程序流程图设计

2、TDSQL-C Mysql Serverless 搭建

3、HAI llama 大模型部署

4、开发环境搭建

5、AI电商数据分析系统构建

技术细节

第一步：学习相关视频：AI驱动的TDSQL-Cserverless实战营：https://cloud.tencent.com/developer/learning/camp/25?fromSource=gwzcw.8888588.8888588.8888588&utm_medium=cpc&utm_id=gwzcw.8888588.8888588.8888588

第二步：新建腾讯云账号并登录，根据视频提供的信息，新建【算力管理】和【数据库】，详细配置见【第一步】里的视频-任务6视频。

注意：算力中心一旦建立，就会收费，避免欠费，请预存10元，最好在3个小时内完成实验，并销毁。

第三步：按照python环境，运行相关代码

python环境一定要大于3.8.否则会安装失败。本人是3.7版本，导致卸载重装，非常费事。最好用brew 安装，然后修改相关配置后，需要安装

···

pip3 install openai

pip3 install langchain

pip3 install langchain-core

pip3 install langchain-community

pip3 install mysql-connector-python

pip3 install streamlit

pip3 install plotly

pip3 install numpy

pip3 install pandas

pip3 install watchdog

pip3 install matplotlib

pip3 install kaleido

···

一切安装完成后，配置数据库连接：

···

database:

db_user: root

db_password: Root1234

db_host: bj-cynosdbmysql-grp-jfj19840.sql.tencentcdb.com

db_port: 21258

db_name: lmshop

hai:

model: llama3.1:8b

base_url: http://82.156.13.152:6399

···

python代码如下：

···

from langchain_community.utilities import SQLDatabase

from langchain_core.prompts import ChatPromptTemplate

from langchain_community.chat_models import ChatOllama

from langchain_core.output_parsers import StrOutputParser

from langchain_core.runnables import RunnablePassthrough

import yaml

import mysql.connector

from decimal import Decimal

import plotly.graph_objects as go

import plotly

import pkg_resources

import matplotlib

yaml_file_path = ‘config.yaml’

with open(yaml_file_path, ‘r’) as file:

config_data = yaml.safe_load(file)

#获取所有的已安装的pip包

def get_piplist§:

return [d.project_name for d in pkg_resources.working_set]

#获取llm用于提供AI交互

ollama = ChatOllama(model=config_data[‘hai’][‘model’],base_url=config_data[‘hai’][‘base_url’])

db_user = config_data[‘database’][‘db_user’]

db_password = config_data[‘database’][‘db_password’]

db_host = config_data[‘database’][‘db_host’]

db_port= config_data[‘database’][‘db_port’]

db_name = config_data[‘database’][‘db_name’]

获得schema

def get_schema(db):

<code>schema = mysql_db.get_table_info()

return schema

def getResult(content):

global mysql_db

# 数据库连接

mysql_db = SQLDatabase.from_uri(f"mysql+mysqlconnector://{db_user}:{db_password}@{db_host}:{db_port}/{db_name}")

# 获得 数据库中表的信息

#mysql_db_schema = mysql_db.get_table_info()

#print(mysql_db_schema)

template = “”“基于下面提供的数据库schema, 根据用户提供的要求编写sql查询语句,要求尽量使用最优sql,每次查询都是独立的问题，不要收到其他查询的干扰:

{schema}

Question: {question}

只返回sql语句，不要任何其他多余的字符，例如markdown的格式字符等:

如果有异常抛出不要显示出来

“””

prompt = ChatPromptTemplate.from_template(template)

text_2_sql_chain = (

RunnablePassthrough.assign(schema=get_schema)

| prompt

| ollama

| StrOutputParser()

)

# 执行langchain 获取操作的sql语句

sql = text_2_sql_chain.invoke({"question": content})

print(sql)

#连接数据库进行数据的获取

# 配置连接信息

conn = mysql.connector.connect(

host=db_host,

port=db_port,

user=db_user,

password=db_password,

database=db_name

)

# 创建游标对象

cursor = conn.cursor()

# 查询数据

cursor.execute(sql.strip("```").strip("```sql"))

info = cursor.fetchall()

# 打印结果

#for row in info:

#print(row)

# 关闭游标和数据库连接

cursor.close()

conn.close()

#根据数据生成对应的图表

print(info)

template2 = """

以下提供当前python环境已经安装的pip包集合:

{installed_packages};

请根据data提供的信息，生成是一个适合展示数据的plotly的图表的可执行代码,要求如下：

1.不要导入没有安装的pip包代码

2.如果存在多个数据类别，尽量使用柱状图，循环生成时图表中对不同数据请使用不同颜色区分，

3.图表要生成图片格式,保存在当前文件夹下即可，名称固定为：图表.png,

4.我需要您生成的代码是没有 Markdown 标记的，纯粹的编程语言代码。

5.生成的代码请注意将所有依赖包提前导入，

6.不要使用iplot等需要特定环境的代码

7.请注意数据之间是否可以转换，使用正确的代码

8.不需要生成注释

data:{data}

这是查询的sql语句与文本:

sql:{sql}

question:{question}

返回数据要求:

仅仅返回python代码，不要有额外的字符

"""

prompt2 = ChatPromptTemplate.from_template(template2)

data_2_code_chain = (

RunnablePassthrough.assign(installed_packages=get_piplist)

| prompt2

| ollama

| StrOutputParser()

)

# 执行langchain 获取操作的sql语句

code = data_2_code_chain.invoke({"data": info,"sql":sql,'question':content})

#删除数据两端可能存在的markdown格式

print(code.strip("```").strip("```python"))

exec(code.strip("```").strip("```python"))

return {"code":code,"SQL":sql,"Query":info}

构建展示页面

import streamlit

设置页面标题

streamlit.title(‘AI驱动的数据库TDSQL-C 电商可视化分析小助手’)

设置对话框

content = streamlit.text_area(‘请输入想查询的信息’, value=‘’, max_chars=None)

提问按钮 # 设置点击操作

if streamlit.button(‘提问’):

#开始ai及langchain操作

if content:

#进行结果获取

result = getResult(content)

#显示操作结果

streamlit.write(‘AI生成的SQL语句:’)

streamlit.write(result[‘SQL’])

streamlit.write(‘SQL语句的查询结果:’)

streamlit.write(result[‘Query’])

streamlit.write(‘plotly图表代码:’)

streamlit.write(result[‘code’])

# 显示图表内容（生成在getResult中）

streamlit.image(‘./图表.png’, width=800)

···

代码写好之后，在终端运行：

``streamlit run text2sql2plotly.py```

生成如下内容：

You can now view your Streamlit app in your browser.

Local URL: http://localhost:8501

Network URL: http://10.254.50.200:8501

会自动打开这个地址：http://localhost:8501/

然后在文本框输入：查询一下每类商品的名称和对应的销售总额

就会得到一些信息：

到这里，一切都体验完了。

小结

`整个体验的流程非常顺畅。通过这个项目，感知到行业的变化，Ai的强大。一站式的后台搭建，从数据库到算力到大模型的结合，然后很少的编码就能实现日常数据分析需求，非常的强大。对于一些公司，这个一个非常好的降本提升人效的方案。