不用 SQL 查数据库：ChatDB 自然语言查询实战

核心前提

先完成 ChatDB 的连接配置（见上一页）。连接成功后，进入的是一个"对话式数据库查询界面"——和 ChatExcel 对话处理的交互方式完全一致。

典型查询场景

基础查询

• "找出所有金额大于 10000 的订单"
• "看看 2026 年 1 月的客户名单"
• "筛选北京地区的销售记录"

汇总与统计

• "按月份汇总销售额"
• "计算每个客户的总消费金额"
• "各产品类别的订单量占比"
• "Q4 各区域销售额同比增长率"

多表关联

• "把订单表和客户表关联，找出 TOP10 大客户"
• "看看哪些客户还没下单过"
• "按产品类型和渠道两个维度分组统计"

趋势与洞察

• "最近 6 个月销售额是上升还是下降？"
• "哪个月退货率最高？"
• "工作日 vs 周末订单量对比"

ChatDB 背后做了什么

ChatDB 接到你的自然语言问题后：

1. 理解意图：判断你想查什么、用哪些维度、返回什么格式
2. 自动生成 SQL：把自然语言翻译成结构化查询语句
3. 在数据库上执行：通过你配置的连接信息执行查询
4. 返回结果 + 解释：以表格、图表或文字形式返回，同时用自然语言解释查询逻辑

整个过程你看不到 SQL，也不需要关心表名、字段名、JOIN 逻辑——但如果出错了，可以把 AI 生成的 SQL 发给技术同事帮忙排查。

与 Excel 的联动

ChatDB 查询的结果可以一键导出成 Excel，然后继续交给 ChatExcel 做：

• 对话式二次分析
• 数据清洗
• 搭建看板
• 生成 PPT / Word 报告

这就实现了"从企业数据库 → ChatDB 查询 → ChatExcel 分析 → 报告输出"的完整链路，全程不离开 ChatExcel 一个产品。

进阶：多轮对话保留上下文

ChatDB 的对话保留完整上下文——你可以先问一个大问题，再追问细节：

你：按月份汇总 2025 年销售额
AI：（返回 12 个月的汇总表）
你：哪些月份超过了 100 万？
AI：（筛选并返回）
你：这些月份的 TOP3 销售区域分别在哪？
AI：（按前一步筛选结果继续查询）

注意事项

• 连接权限：ChatDB 查询速度取决于数据库性能和账号权限（只读账号可能无法执行某些聚合查询）
• 数据量：虽然数据库能处理亿级数据，但 ChatDB 返回的结果会有合理上限，防止结果过大卡死界面
• 准确性：AI 生成的 SQL 可能在边界条件上有误差，关键数据建议用传统方式验证一下
• 安全：ChatDB 的连接信息（主机、端口、账号、密码）属于敏感信息，不要随意分享