snowChat

项目介绍：snowChat

项目概述

snowChat 是一个直观且用户友好的应用程序，专为提供自然语言与 Snowflake 数据交互的体验而设计。用户仅需输入问题或请求，snowChat 便会生成合适的 SQL 查询并返回所需数据。借助 snowChat，无需编写复杂的 SQL 查询或逐一筛选数据表，让用户轻松获取数据，推动更快速、更高效的数据驱动决策。

支持的语言模型

• GPT-4o
• Gemini Flash 1.5 8B
• Claude 3 Haiku
• Llama 3.2 3B
• Llama 3.1 405B

主要功能 🌟

• 会话式 AI：使用 ChatGPT 及其他模型，将自然语言翻译为精确的 SQL 查询。
• 会话记忆：保持上下文，以实现交互式和动态响应。
• Snowflake 集成：提供无缝、实时的数据见解，直接从 Snowflake 数据库获取。
• 自修复 SQL：主动为 SQL 错误提供解决方案建议，优化数据访问。
• 交互式用户界面：将数据查询转化为一个引人入胜的对话体验，并具备对话重置选项。
• 基于代理的架构：利用代理管理交互和工具使用。

安装指南 🛠️

1. 克隆此仓库：

   git clone https://github.com/yourusername/snowchat.git

2. 安装所需的软件包：

   cd snowchat
   pip install -r requirements.txt

3. 在项目目录的 secrets.toml 文件中设置以下变量：OPENAI_API_KEY、ACCOUNT、USER_NAME、PASSWORD、ROLE、DATABASE、SCHEMA、WAREHOUSE、SUPABASE_URL、SUPABASE_SERVICE_KEY、SUPABASE_STORAGE_URL、CLOUDFLARE_ACCOUNT_ID、CLOUDFLARE_NAMESPACE_ID、CLOUDFLARE_API_TOKEN（Cloudflare 用于在 KV 中缓存 Snowflake 响应）。

4. 制作与数据库匹配的 schema 并存放在 docs 文件夹中。

5. 通过 supabase/scripts.sql 创建 supabase 扩展、表和函数。

6. 运行 python ingest.py 将数据转换为嵌入并存储为索引文件。

7. 运行 Streamlit 应用以开始聊天：

   streamlit run main.py

贡献 🤝

欢迎通过提交拉取请求或问题，来为此项目做出贡献。您的反馈和建议对我们非常宝贵！

许可 📄

该项目根据 MIT 许可证授权。有关详情，请参见 LICENSE 文件。