基于Dify开发的自然语言转sql的Chatflow产品系统Vibe Coding

本项目面向教育培训、教务管理等行业场景。在传统教务系统或企业内训数据库中，非技术背景的业务人员（如教务老师、HR）往往需要查看学员或员工数据，但不熟悉SQL语法，只能依赖开发人员提工单查询，效率极低。本项目旨在解决这一痛点，利用大模型（LLM）的自然语言理解能力，让不懂技术的业务人员也能通过对话轻松查询数据库，实现“人人都是数据分析师”，大幅降低数据获取门槛。

本项目是一个基于大模型的智能数据查询系统（NL2SQL），核心功能包括：

1.自然语言转SQL：用户直接输入中文问题（如“查询学生电话”），系统自动调用DeepSeek大模型将其转化为标准的MySQL查询语句。

2.多维智能统计：不仅支持基础查询，还能根据用户意图自动生成多维度的聚合统计（如按性别统计人数、按年龄排序等）。

3.安全审计与执行：内置严格的SQL语法校验机制，只允许执行SELECT查询，拦截一切删除、修改等危险操作。查询结果最终以JSON格式安全返回，支持前端进行可视化展示。

1.后端服务开发：基于FastAPI开发接口，封装了数据库连接池、数据表结构读取以及SQL执行逻辑。

2.Dify工作流编排：搭建了一套完整的Chatflow，包含大模型节点（调优提示词，强制输出JSON数组并规避思考标签）、代码执行节点（正则清洗与JSON解析）、以及迭代节点（处理多条SQL的并发执行）。

3.安全机制设计：专门编写了SQL注入过滤脚本，并实现了API Token鉴权机制，保障数据安全。
技术栈：Python、Dify、DeepSeek API、FastAPI、MySQL、Docker。亮点在于解决了大模型输出格式不稳定（含标签及转义符）导致解析崩溃的难题，并通过内网穿透（ngrok）实现了Dify与本地服务的稳定通信。