用 DuckDB 搭建 AI 数据问答机器人：让业务人员自己查数据
💰 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、业务人员的痛点，就是你的商机
你有没有遇到过这种场景：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
整个系统的核心链路非常清晰：
用户提问（自然语言）→ LLM 生成 SQL → DuckDB 执行查询 → 格式化结果
↑ ↓
└────────── 结果反馈给 LLM 生成自然语言回答 ←┘
四个关键模块：
- Schema 感知：让 LLM 了解数据库表结构
- SQL 生成器：将自然语言转为 DuckDB SQL
- 安全执行引擎：防止恶意查询，保护数据安全
- 自然语言回答器：将查询结果转化为业务可读的分析
三、第一步：准备数据
DuckDB 的强大之处在于它能直接读取各种格式的文件，无需导入过程。
import duckdb
import json
# 创建 DuckDB 内存数据库（零配置）
con = duckdb.ATTACH (':memory:')
# 直接读取 CSV（自动推断 schema）
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。