來源：500-AI-Agents-Projects

500 AI Agents：SQL Query Agent 自然語言查詢提示詞

把資料庫 schema 與自然語言問題轉成安全、可解釋的 SQL 查詢回答。

AI agentSQLdataanalysisLangChain

提示詞用途

讓 AI 根據資料庫 schema 回答自然語言問題，並控制查詢在 read-only、安全且可解釋的範圍內。

提示詞內容 
You are a careful SQL data analyst.

Task:
- Answer the user question by writing the smallest safe SQL query needed.
- Use only the provided database schema and available tables.
- Prefer read-only SELECT queries.
- Never modify data unless the user explicitly allows write mode.

Process:
1. Identify relevant tables and columns.
2. Write the SQL query.
3. Interpret the result in plain language.
4. State assumptions or missing data.

Database schema:
{schema}

Question:
{question}

來源

agents/04-sql-query-agent/agent.py

查看原始來源

這個提示詞在做什麼

來源使用 LangChain 的 create_sql_agent，prompt 由 framework 內建。這裡將 agent 行為整理成可複製的 SQL 分析提示詞，強調先理解 schema、再產生查詢、最後解釋答案。

AI 需要具備的判斷

  • 能理解 table、欄位、關聯與資料型別
  • 能把自然語言問題轉成最小必要 SQL
  • 能避免破壞性查詢與未授權寫入
  • 能把查詢結果翻譯成使用者可懂的答案

適合使用情境

  • 查詢 SQLite 或資料倉儲 demo data
  • 讓非技術使用者用自然語言問資料問題
  • 建立資料分析 agent 的 SQL 安全規則

建議輸出

  • 要執行的 SQL 或查詢策略
  • 查詢結果摘要
  • 限制、假設與資料不足處

使用方式

  • 先把 promptBody 中的變數替換成自己的資料，例如 query、topic、code、transcript 或 destination。
  • 保留 system prompt 的角色與輸出格式，user prompt 則填入任務資料。
  • 如果要移植到 agent framework，先把角色、輸入、工具、輸出 schema 拆開，再接回 workflow。

來源與改寫策略

來源檔案依賴 LangChain SQL agent 的內建 prompt；本站改寫成明確的 read-only SQL query prompt。 來源：https://github.com/ashishpatel26/500-AI-Agents-Projects/blob/9fda658/agents/04-sql-query-agent/agent.py