用 DuckDB 搭建 AI 数据问答机器人——让非技术人员也能"对话查数据"
难度：⭐⭐⭐ ｜ 预计耗时：1-2 小时搭建，之后可无限扩展
变现路径：为企业搭建内部数据问答系统，单次交付 5000-20000 元
一、为什么"对话查数据"是一门好生意？
想象这个场景：你去找一家电商公司的运营总监聊合作，他说：“我们每天要看 5 个维度的销售数据，但每次都要找数据分析师排期。”
你回答：“我帮你搭一个系统，以后你们直接在聊天框里问’上周华东区哪三款商品退货率最高’，系统自动给你答案。”
这就是 AI 数据问答机器人的核心价值——让不会 SQL 的业务人员，能用自然语言获取数据洞察。
传统方案怎么做？前端写 React → 后端写 FastAPI → 对接 LLM API → 把自然语言转 SQL → 执行查询 → 返回结果。这套流程至少需要 2000 行代码。
用 DuckDB，整个核心逻辑不到 150 行。原因很简单：DuckDB 是进程内数据库，不需要单独部署，Python 里 import duckdb 就能用，天然适合嵌入 AI Agent 的推理链路中。
二、系统架构：四步完成自然语言到数据结果
用户提问（自然语言）→ LLM 转 SQL → DuckDB 执行 → 格式化返回
↑ ↓
└─────────── 结果反馈给 LLM 生成回答 ←┘
整个流程分为四个核心步骤：
- 语义理解：LLM 将自然语言转化为 SQL 查询
- 安全沙箱：限制 DuckDB 只能读取指定表，防止恶意查询
- 结果执行：DuckDB 高效执行查询，返回结构化数据
- 自然语言回复：LLM 将数据结果转化为易懂的业务语言
三、完整可运行代码
第一步：准备数据和 DuckDB 表
import duckdb
import json
# 创建 DuckDB 内存数据库
con = duckdb.ATTACH (':memory:')
# 模拟电商订单数据
con.execute("""
---
## 本文信息
| 项目 | 内容 |
|------|------|
| DuckDB 版本 | v1.5.x（部分功能基于 v2.0 Preview） |
| 最后验证 | 2026-09-12 |
| 测试环境 | Linux / x86_64 / 16GB RAM |
| 官方文档 | [DuckDB Documentation](https://duckdb.org/docs/) |
| GitHub | [pengzz9527/duckdb-blog](https://github.com/pengzz9527/duckdb-blog) |
如发现错误，欢迎通过 [GitHub Issue](https://github.com/pengzz9527/duckdb-blog/issues) 或邮件 [email protected] 反馈。