--- title: "用 AI Agent + LangChain 打造基於大語言模型的自然語言 BI 報表系統" description: "分享如何用 AI Agent 搭配大語言模型（LLM）讀取資料庫結構，結合 LangChain SQL Toolkit，快速打造一套自然語言驅動的 BI 報表系統" canonical_url: "https://blog.markkulab.net/post/bi-agent-langchain-natural-language-sql" author: "Mark Ku" author_url: "https://blog.markkulab.net/author/mark-ku" site: "Mark Ku's Blog" date_published: "2026-02-06 10:00:00 +0800" category: "AI" tags: ["ai-agent", "langchain", "gemini", "bi", "sql", "nextjs", "llm"] language: "zh-TW" license: "CC BY 4.0" license_url: "https://creativecommons.org/licenses/by/4.0/" attribution: "轉載或引用請註明作者並附上原文連結" --- # 用 AI Agent + LangChain 打造基於大語言模型的自然語言 BI 報表系統 > **TL;DR** — 歡迎收聽 Mark 的 Tech Insights，我是主持人璦廷。你是否常被同事打斷手邊工作，要求幫忙撈取資料庫的數據呢？今天，讓我們來看看如何運用人工智慧代理與 LangChain，快速打造一套自然語言驅動的商業智慧報表系統。 想像一下，只要輸入「列出所有付費用戶」，系統中的人工智慧大腦就會像超級翻譯員一樣，自動將日常口語轉換為資料庫查詢指令，並產出精美的表格。作者選用了 Next.js 作為全端框架，搭配便宜且回應快速的 Gemini 2.0 Flash 模型，專門用來處理標準化的報表查詢。 這個重點值得注意：雖然人工智慧很聰明，但我們必須事先設定好角色規則，讓它理解資料庫結構與業務邏輯，同時設立防護機制以確保資訊安全。透過這套架構，加上現成模板的輔助，短短一個上午就能完成系統雛形。 總結來說，善用人工智慧與合適的開發工具，能大幅釋放工程師的生產力。不妨思考看看，你的日常工作中，還有哪些繁瑣的任務可以交給人工智慧來代勞呢？ ## 前言 身為工程師，最常被同事問：「幫我查一下這個報表」、「上個月的業績數字是多少？」每次都要停下手邊工作，寫程式去資料庫撈資料，其實蠻花時間的。 於是我想：**能不能讓 AI 來幫忙做這件事？** 想像一下，你只要用「說話」的方式告訴電腦：「幫我找出所有付費客戶的名單」，AI 就會自動幫你去資料庫查資料、整理成報表，不需要會寫程式，一般人也能輕鬆使用！ 這篇文章+會分享我如何利用**大語言模型（LLM）** 快速打造出這樣的智慧報表系統。**一個上午就能完成雛形架構**，後續再根據實際使用情況微調優化即可。 ## 這套系統怎麼運作？ 簡單來說，整個流程就像這樣： ``` 你說的話 → AI 翻譯成電腦看得懂的指令 → 資料庫回傳結果 → 顯示報表 ``` 舉個例子： - 你輸入：「列出所有付費用戶，包含公司名稱和到期日」 - AI 會自動把這句話轉換成資料庫查詢指令 - 系統執行查詢，把結果用漂亮的表格呈現給你 P.S. 以前靠傳統程式撰寫，要花很多時間的，現在可以透過AI 很快速的產生SQL 語言及報表結構。 ``` ┌──────────────────────────────────────────────────────────────┐ │ 系統運作流程 │ ├──────────────────────────────────────────────────────────────┤ │ │ │ 👤 使用者在後台輸入 │ │ 「列出所有付費用戶，包含公司名稱、方案類型、到期日」 │ │ │ │ │ ▼ │ │ ┌─────────────────────────────────────────────┐ │ │ │ 🤖 AI 智慧助手 (LangChain) │ │ │ │ ┌───────────────────────────────────────┐ │ │ │ │ │ 📚 內建知識 │ │ │ │ │ │ - 知道公司的業務規則 │ │ │ │ │ │ - 知道哪些資料不能查 │ │ │ │ │ │ - 知道如何保護機密資料 │ │ │ │ │ └───────────────────────────────────────┘ │ │ │ └─────────────────────────────────────────────┘ │ │ │ │ │ ▼ │ │ ┌─────────────────┐ ┌─────────────────┐ │ │ │ 翻譯成查詢指令 │ → │ 安全檢查 │ │ │ └─────────────────┘ └─────────────────┘ │ │ │ │ │ │ ▼ ▼ │ │ ┌─────────────────────────────────────────────┐ │ │ │ 📊 資料庫 │ │ │ └─────────────────────────────────────────────┘ │ │ │ └──────────────────────────────────────────────────────────────┘ ``` ### 我用了哪些工具？ | 工具名稱 | 功能 | 為什麼選它 | |------|------|----------| | **Next.js** | 網站開發框架 | 前端後端都能處理，開發快速 | | **LangChain** | AI 助手框架 | 現成的資料庫查詢功能，直接用 | | **Gemini 2.0 Flash** | AI 大腦 | Google 的 AI 模型，便宜又快 | | **TypeORM** | 資料庫連線工具 | 安全連線 Azure 資料庫 | | **Tailwind CSS** | 網頁美化工具 | 手機電腦都好看 | ## AI 大腦在這系統中做什麼？ 在這套系統中，**AI（大語言模型）** 就像是一位「超級翻譯員」，負責把你說的話翻譯成電腦看得懂的資料庫指令。 ### AI 的工作是什麼？ ``` ┌─────────────────────────────────────────────────────────────────┐ │ AI 在系統中的角色 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 你說的話 電腦指令 │ │ ┌─────────────────┐ ┌─────────────────────────────┐ │ │ │ 「列出所有 │ AI │ SELECT TOP 1000 │ │ │ │ 付費用戶」 │ ───→ │ 公司名稱, 方案類型 │ │ │ │ │ 翻譯 │ FROM 用戶資料表... │ │ │ └─────────────────┘ └─────────────────────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘ ``` ### AI 需要先學會三件事 1. **認識資料庫結構** - 資料庫裡有哪些表格？每個表格存什麼資料？ - 表格之間有什麼關聯？（例如：客戶資料表和訂單表的關係） 2. **理解公司的業務規則** - 什麼叫做「付費用戶」？（有綁定信用卡且沒有取消的用戶） - 什麼是「測試帳號」？要怎麼排除？ 3. **遵守安全規則** - 哪些操作是禁止的？（不能刪除資料、不能修改資料） - 哪些資料不能查？（密碼、金鑰等機密資料） ### 為什麼選 Gemini 2.0 Flash？ 市面上有很多 AI 模型，我選 Google 的 Gemini 2.0 Flash 是因為： | 模型 | 優點 | 缺點 | 適合場景 | |------|------|------|----------| | **GPT-4o** | 思考能力強 | 比較貴 | 複雜的分析任務 | | **Claude 3.5** | 處理長文件厲害 | 使用限制較多 | 文件整理 | | **Gemini 2.0 Flash** ✅ | 便宜、速度快 | 複雜推理稍弱 | **報表查詢（本案使用）** | 對於報表查詢這種「有標準格式」的任務，Gemini 2.0 Flash 的性價比最高： - **超級便宜** - 用一整個月大概不到台幣 50 元 - **回應快速** - 1-2 秒就能生成查詢指令 - **翻譯準確** - 對資料庫查詢語法理解很到位 ### 告訴 AI「你是誰」 我們需要事先告訴 AI 它的角色和規則，就像新員工入職時要先了解公司規定： ```typescript const AI助手設定 = ` ## 你的身份 你是公司的資料分析專家，專門幫大家查報表資料。 ## 你必須遵守的規則 1. 只能「查詢」資料，不能新增、修改或刪除 2. 每次最多查 1000 筆資料 3. 已刪除的資料不要顯示 4. 密碼等機密欄位不能查 ## 你知道的業務規則 - 付費用戶 = 有綁信用卡 且 沒有取消訂閱 - 測試帳號 = 信箱包含「xxx」的帳號 `; ``` 這樣設計的好處是： - **行為可控** - AI 不會做出危險的事 - **結果一致** - 每次查詢都會套用相同的規則 - **容易調整** - 想加新規則只要改這段設定 ### 不能 100% 信任 AI：三層防護機制 雖然 AI 很聰明，但我們不能完全相信它。萬一有人故意輸入惡意指令怎麼辦？所以系統設計了**三道防線**： ``` ┌─────────────────────────────────────────────────────────────────┐ │ 三層安全防護 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 第一層：事先告訴 AI 規則 │ │ ──────────────────────── │ │ 告訴 AI「你只能做什麼」 │ │ → 80% 的危險操作在這裡就被擋住 │ │ │ │ 第二層：程式碼再檢查一次 │ │ ──────────────────────── │ │ AI 產生的指令，程式會再檢查一遍 │ │ → 就算 AI 被騙了，程式碼也會把危險指令擋下來 │ │ │ │ 第三層：資料庫權限限制 │ │ ──────────────────────── │ │ 資料庫帳號只有「讀取」權限，根本不能改資料 │ │ → 最後一道防線，確保資料安全 │ │ │ └─────────────────────────────────────────────────────────────────┘ ``` ## 我的技術選型 開發這套系統時，我選了 **Next.js** 這個網頁全端開發框架 (React + Node ) ### 好處 1：所有程式碼放在一起 傳統做法是前端、後端分開兩個專案，但 Next.js 可以全部放在一起： ``` 我的專案/ ├── src/ │ ├── app/ # 使用者看到的網頁畫面 │ │ └── reports/ │ │ └── page.tsx │ ├── app/api/ # 處理資料的後台程式 │ │ └── reports/ │ │ └── route.ts │ └── lib/ # 共用的工具程式 │ └── langchain-sql.ts ``` 這樣做的好處： - **AI 助手更容易幫忙** - 像 Cursor、Copilot 這類 AI 工具，模型的 Context 長度都有限制，程式都在同個專案中，對於AI會比較容易了解這系統 - **程式碼可以共用** - 寫一次就能前後端都用 - **改一個地方馬上生效** - 不用切來切去 ### 好處 2：直接整合 AI 套件 LangChain 是一個專門用來打造 AI 應用的套件，剛好有 Node 版本，可以直接在 Next.js 裡使用： ```typescript // 簡單幾行程式碼就能讓 AI 幫忙查資料庫 const ai = new ChatVertexAI({ model: 'gemini-2.5-flash-001' }); const 資料庫 = await SqlDatabase.fromDataSourceParams({ appDataSource }); const AI助手 = await createSqlAgent(ai, new SqlToolkit(資料庫, ai)); const 結果 = await AI助手.invoke({ input: '列出付費用戶' }); ``` ### 好處 3：網頁自動適應各種螢幕大小 用 **Tailwind CSS** 這個樣式工具，可以輕鬆讓網頁在手機、平板、電腦上都好看： ```tsx // 手機一欄、平板兩欄、電腦三欄
``` P.S. Next.js 採用的是 request-based 的生命週期，每次請求都是獨立執行，因此不適合用來處理長時間的 Job 或大量、複雜的運算任務，這類需求建議交由 Background Worker / Job Queue 來負責。 以避免影響請求效能與整體系統穩定性。 ## 另外，花小錢買現成模板，省大時間 為了加速開發，我買了一個現成的後台模板（[Isomorphic](https://themeforest.net/item/isomorphic-react-redux-admin-dashboard/20262330)），價格約 **台幣 800 元**。 ### 免費模板 vs 付費模板 市面上也有免費的 [shadcn-ui](https://ui.shadcn.com/)，它其實很棒： - 創辦人在知名公司 Vercel 工作 - GitHub 上有超過 **10 萬人**按讚 但實際差異在於「**省不省時間**」： | 比較 | 免費模板 | 付費模板 | |------|---------|----------| | 整合時間 | 要自己慢慢調整 | 直接就能用 | | 穩定度 | 要自己測試 | 已經被很多人測試過 | | 遇到問題 | 機率較高 | 機率較低 | | 價格 | 免費 | 約 800 元 | ### 這筆錢值不值得？ ``` ┌─────────────────────────────────────────────────────────────┐ │ 投資報酬分析 │ ├─────────────────────────────────────────────────────────────┤ │ │ │ 模板成本: 約台幣 800 元 │ │ │ │ 省下的時間: 至少 2 週 │ │ - 網頁畫面開發 │ │ - 手機平板電腦都要顧到 │ │ - 各種瀏覽器測試 │ │ - 搜尋引擎優化設定 │ │ │ │ 結論: 2 週工程師薪水 遠大於 800 元 → 超值！ │ │ │ └─────────────────────────────────────────────────────────────┘ ``` ### 模板已經幫你做好這些事 專業模板通常已經內建： - ✅ **搜尋引擎優化** - Google 更容易找到你的網站 - ✅ **各種裝置都能用** - 手機、平板、電腦都測試過 - ✅ **統一的視覺風格** - 顏色、間距、字體都設計好 - ✅ **常用功能元件** - 表格、表單、圖表、通知等 - ✅ **深色模式** - 晚上看螢幕不刺眼 這讓專案一開始就有「**產品等級**」的品質，可以專心做真正重要的功能。 ## 這套架構很適合 AI 輔助開發 現在很流行用 AI 工具（像 Cursor、Copilot）來幫忙寫程式，這套架構特別適合： ``` ┌─────────────────────────────────────────────────────────────┐ │ 為什麼 AI 助手特別喜歡這種架構？ │ ├─────────────────────────────────────────────────────────────┤ │ │ │ 1. 全部放一個專案 │ │ → AI 可以一次看懂整個專案 │ │ │ │ 2. 有型別檢查(typescript) │ │ → AI 寫錯了馬上會被抓到 │ │ │ │ 3. 樣式寫法統一 │ │ → AI 調畫面更快 │ │ │ │ 4. 檔案結構就是網址 │ │ → AI 很容易理解哪個檔案對應哪個頁面 │ │ │ │ 5. AI 套件模組化 (Langchain) │ │ → 可以換不同的 AI 模型 │ │ → 可以串接 Google、OpenAI、Claude │ │ │ └─────────────────────────────────────────────────────────────┘ ``` 這也是為什麼**一個上午就能完成雛形架構** — 選對工具 + AI 幫忙，後續只需要根據實際需求微調即可！ ## 實際程式碼怎麼寫？ 以下是核心程式碼的簡化版本，讓大家了解基本原理。 ### 第一步：連接資料庫 首先要讓程式能夠連上資料庫，這裡用安全的方式連線（不把密碼寫在程式碼裡）： ```typescript // 連接資料庫的程式碼 import { DataSource } from 'typeorm'; async function 連接資料庫() { const 資料庫連線 = new DataSource({ type: 'mssql', // 使用微軟的 SQL Server host: process.env.AZURE_SQL_SERVER, // 資料庫位址（從環境變數讀取） database: process.env.AZURE_SQL_DATABASE, // 資料庫名稱 // ... 其他安全認證設定 }); await 資料庫連線.initialize(); // 建立連線 return 資料庫連線; } ``` ### 第二步：記住資料庫結構（快取機制） 資料庫的結構（有哪些表格、哪些欄位）不會常常變，記起來可以省錢： ```typescript // 快取機制：記住資料庫結構，不用每次都重新問 let 快取 = null; const 快取時間 = 60 * 60 * 1000; // 60 分鐘後才重新取得 function 快取還有效嗎() { if (!快取) return false; return new Date() < 快取.過期時間; } ``` ### 第三步：設定 AI 的「規則手冊」 這是最重要的部分！告訴 AI 它能做什麼、不能做什麼： ```typescript const AI規則手冊 = ` ## 你的身份 你是公司的資料分析專家，專門幫忙查報表資料。 --- ## 絕對不能做的事 ### 禁止的操作 - 不能新增資料 - 不能修改資料 - 不能刪除資料 - 不能改變資料庫結構 ### 不能查的欄位（機密資料） - 密碼相關欄位 - 金鑰和 Token ### 查詢限制 - 每次最多查 1000 筆 - 一定要有過濾條件 --- ## 你知道的公司規則 ### 主要資料表 - 客戶資料表 - 存客戶基本資訊（ID、方案類型、是否取消等） - 客戶詳細資料表 - 存公司名稱、聯絡人等 - 付款紀錄表 - 存付款歷史 ### 重要業務規則 #### 已刪除的資料不要顯示 - 查詢時自動排除已刪除的資料 #### 測試帳號要排除 - 信箱包含「IQT」的都是測試帳號 #### 判斷付費用戶的條件 有綁信用卡 + 沒取消訂閱 + 還沒過期 `; ``` ## 安全防護怎麼做？ 就算 AI 很聰明，我們還是要多加幾道防線，確保不會出錯。 ### 第一道防線：程式碼檢查 在執行查詢之前，程式會先檢查有沒有危險的操作： ```typescript // 危險操作黑名單 const 禁止清單 = ['新增資料', '修改資料', '刪除資料', '刪除表格']; function 檢查安全性(查詢指令) { // 1. 一定要是「查詢」開頭 if (!查詢指令.startsWith('SELECT')) { return { 安全: false, 錯誤: '只能查詢，不能做其他操作' }; } // 2. 檢查有沒有危險操作 for (const 禁止項目 of 禁止清單) { if (查詢指令.includes(禁止項目)) { return { 安全: false, 錯誤: `發現禁止的操作: ${禁止項目}` }; } } // 3. 檢查有沒有查機密欄位 // ... 類似的檢查邏輯 return { 安全: true }; } ``` ### 第二道防線：自動加上數量限制 萬一忘了限制查詢數量，程式會自動補上： ```typescript function 自動加限制(查詢指令) { // 如果沒有限制數量，自動加上「最多 1000 筆」 if (!查詢指令.includes('TOP')) { return 查詢指令.replace('SELECT', 'SELECT TOP 1000'); } return 查詢指令; } ``` ### 第三道防線：資料庫本身的權限設定 最保險的做法是，在資料庫那邊就設定好：這個帳號只能「讀」，不能「改」： ```sql -- 在資料庫設定：只給讀取權限 CREATE ROLE [報表查詢角色]; GRANT SELECT TO [報表查詢角色]; -- 只能查詢 DENY INSERT, UPDATE, DELETE TO [報表查詢角色]; -- 禁止修改 ``` ## 使用者看到的畫面 ### 簡單直覺的操作介面 ``` ┌─────────────────────────────────────────────────────────────────┐ │ 🤖 智慧報表助手 │ │ │ │ 用說的就能查報表！輸入你想查的內容，AI 會自動幫你處理 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 📝 快速範例（點一下就能用） │ │ ┌─────────────┐ ┌──────────────┐ ┌──────────────┐ │ │ │ 付費客戶清單 │ │ 最近新增客戶 │ │ 各方案統計 │ │ │ └─────────────┘ └──────────────┘ └──────────────┘ │ │ │ │ ┌─────────────────────────────────────────────────────────┐ │ │ │ 請輸入你想查的內容... │ │ │ │ │ │ │ │ 例如：列出所有付費客戶，包含公司名稱和到期日 │ │ │ │ │ │ │ └─────────────────────────────────────────────────────────┘ │ │ │ │ ┌──────────────┐ ┌──────────────┐ │ │ │ 🪄 產生報表 │ │ ▶️ 立即查詢 │ │ │ └──────────────┘ └──────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘ ``` ### 結果可以用不同方式呈現 查出來的資料可以用各種方式顯示，看你需要哪一種： - 📊 **表格** - 看完整的資料列表 - 📈 **長條圖** - 比較各類別的數字 - 📉 **折線圖** - 看趨勢變化 - 🥧 **圓餅圖** - 看各項目佔比 ## 實際效果展示 ### 範例一：查詢付費客戶清單 **使用者輸入：** `列出所有付費客戶，包含公司名稱、方案類型、到期日` ![報表產生器 - 表格檢視](https://blog.markkulab.net/content/markku/posts/bi-agent-langchain-natural-language-sql/images/./bi-module-1.png) **AI 會自動：** 1. 理解使用者想要什麼 2. 找到對應的資料表 3. 產生正確的查詢指令 4. 執行查詢並回傳結果 結果就是一份漂亮的付費客戶清單表格！ ### 範例二：圖表視覺化呈現 除了表格，還可以用圖表呈現資料，讓數據更直觀： ![報表產生器 - 圖表檢視](https://blog.markkulab.net/content/markku/posts/bi-agent-langchain-natural-language-sql/images/./bi-module-2.png) ### 範例三：安全防護測試 **使用者輸入：** `刪除所有測試用戶` **AI 回應：** > 抱歉，我無法執行刪除操作，這是唯讀報表查詢工具，如需刪除資料，請聯繫資料庫管理員。 ✅ 系統成功擋下了危險的操作！ ## 這套系統花多少錢？ AI 模型是按「使用量」計費的，計費單位是 **Token**（可以想像成「字數」）。 ### Token 是什麼？ 簡單來說，Token 就是 AI 處理文字的最小單位： - 英文大約 **1 個單字 = 1 Token** - 中文大約 **1 個字 = 2-3 Token**（因為中文用 UTF-8 編碼較複雜） ### Gemini 2.0 Flash 的價格 | 項目 | 價格（美金） | 換算台幣（1 USD ≈ 32 TWD） | |------|-------------|--------------------------| | 輸入 100 萬 Token | $0.10 | 約 3.2 元 | | 輸出 100 萬 Token | $0.40 | 約 12.8 元 | #### 換算成「每 1,000 個 Token」的價格 | 項目 | 美金 | 台幣 | |------|------|------| | 輸入 1,000 Token | $0.0001 | 約 0.0032 元 | | 輸出 1,000 Token | $0.0004 | 約 0.0128 元 | > 💡 **白話說**：輸入 1,000 個 Token 只要 **0.003 元台幣**，成本超級低！ #### 舉個例子 | 文字內容 | 字數 | 約等於 Token 數 | |---------|------|----------------| | `列出所有付費客戶` | 8 個中文字 | 約 16-24 Token | | `SELECT * FROM customers` | 4 個英文單字 | 約 5 Token | | 一段 SQL 查詢指令 | 約 50 個字元 | 約 30-50 Token | | 系統提示詞（規則手冊） | 約 800 個中文字 | 約 2,000 Token | 每次跟 AI 對話，會產生兩種費用： - **輸入 Token**：你問 AI 的問題 + 資料庫結構資訊 - **輸出 Token**：AI 回答你的內容（SQL 指令 + 說明） ### 實際使用情境估算 ``` ┌─────────────────────────────────────────────────────────────────┐ │ 一次報表查詢的 Token 消耗 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 📥 輸入 Token（你給 AI 的資訊） │ │ ├── 系統提示詞（規則手冊） 約 2,000 Token │ │ ├── 資料庫結構（快取後不重複） 約 3,000 Token（首次） │ │ └── 使用者問題 約 100 Token │ │ │ │ 📤 輸出 Token（AI 回答的內容） │ │ ├── SQL 查詢指令 約 200 Token │ │ └── 結果說明 約 300 Token │ │ │ └─────────────────────────────────────────────────────────────────┘ ``` ### 費用明細表 | 操作 | Token 消耗 | 費用估算 | 說明 | |------|-----------|---------|------| | 讀取資料庫結構（第一次） | 約 5,000 輸入 + 500 輸出 | 約 0.03 元 | 只有第一次需要，之後會快取 | | 每次查詢（快取後） | 約 2,100 輸入 + 500 輸出 | 約 0.003 元 | 省掉重複讀取結構的成本 | | 一天用 50 次 | 約 13 萬 Token | 約 0.15 元 | 一般中小企業的日常用量 | | **一個月下來（22 工作天）** | 約 286 萬 Token | **約 5 元台幣** | 比一杯手搖飲還便宜！ | #### 單次查詢費用計算範例 假設使用者問：「**列出所有付費客戶，包含公司名稱和到期日**」 ``` ┌─────────────────────────────────────────────────────────────────┐ │ 💰 單次查詢費用計算 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 📥 輸入費用 │ │ ├── 系統提示詞 2,000 Token × $0.0001/1K = $0.0002 │ │ ├── 使用者問題 100 Token × $0.0001/1K = $0.00001 │ │ └── 小計：約 $0.00021（約 0.007 元台幣） │ │ │ │ 📤 輸出費用 │ │ ├── SQL 指令 200 Token × $0.0004/1K = $0.00008 │ │ ├── 結果說明 300 Token × $0.0004/1K = $0.00012 │ │ └── 小計：約 $0.0002（約 0.006 元台幣） │ │ │ │ ──────────────────────────────────────────────────────────── │ │ 📊 總計：約 $0.0004（約 0.013 元台幣） │ │ │ │ 👉 一次查詢只要 0.01 元，問 100 次才 1 塊錢！ │ │ │ └─────────────────────────────────────────────────────────────────┘ ``` ### 為什麼這麼便宜？ ``` ┌─────────────────────────────────────────────────────────────────┐ │ 省錢關鍵：快取機制 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ ❌ 不用快取的情況 │ │ 每次查詢都要重新讀取資料庫結構 │ │ → 每次消耗 5,000+ Token │ │ → 一個月可能要 50 元以上 │ │ │ │ ✅ 使用快取的情況 │ │ 資料庫結構記住 60 分鐘 │ │ → 每次只消耗 2,100 Token │ │ → 一個月只要約 5 元 │ │ │ │ 💡 省了 90% 的費用！ │ │ │ └─────────────────────────────────────────────────────────────────┘ ``` ### 跟其他 AI 模型比較 | 模型 | 同樣用量的月費 | 備註 | |------|--------------|------| | **Gemini 2.0 Flash** ✅ | 約 5 元 | 本專案使用 | | GPT-4o | 約 50 元 | 貴 10 倍 | | GPT-4o mini | 約 8 元 | 也是便宜的選擇 | | Claude 3.5 Sonnet | 約 40 元 | 適合複雜分析 | 超級便宜！一個月的 AI 費用比一杯飲料還便宜 🥤 ## 給開發團隊的安全規則 除了系統本身的防護，我還幫團隊寫了開發規則，讓大家用 AI 工具（像 Cursor）寫程式時也不會誤觸危險操作： ```markdown # 開發規則：資料庫安全 ## AI 絕對不能做的事 ### 1. 刪除資料 - 不能刪除任何一筆資料 - 不能清空整個表格 ### 2. 刪除結構 - 不能刪除表格 - 不能刪除資料庫 ### 3. 危險的修改 - 不能隨意修改表格結構 ``` ## 總結 ### 為什麼這個方案可行？ 1. **工具夠成熟** - LangChain 已經把複雜的事情都處理好了 2. **AI 夠便宜** - Gemini 2.0 Flash 費用幾乎可以忽略 3. **安全有保障** - 三層防護機制，不怕出錯 ### 未來還可以加什麼功能？ 1. **記住常用查詢** - 下次直接點選就能用 2. **自動推薦圖表** - 根據資料類型建議用什麼圖表 3. **追問功能** - 查完可以說「只顯示前 10 名」 ### 適合什麼場景？ - 公司後台的報表需求 - 讓不會寫程式的人也能查資料 - 資料分析師快速驗證想法 --- 如果你也想打造類似的系統，歡迎參考這個架構！透過vibe coding ，一個上午就能做出雛形，後續微調優化，很快就能上線使用。 --- ## 關於本文與作者 本文出自 [Mark Ku's Blog](https://blog.markkulab.net/post/bi-agent-langchain-natural-language-sql) 授權條款： [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) — 轉載或引用請註明作者並附上原文連結 ### 關於作者 **[Mark Ku](https://blog.markkulab.net/author/mark-ku)** — Software Solution Provider - 10+ 年資深軟體工程師，現為 AI 應用 Builder - 專注大型平台架構設計，從北美電商到AI SaaS訂閱收費系統 - 結合 AI Agent 與自動化，打造高效可演進的產品技術基礎 ### 作者開發的免費工具 以下工具皆可免費使用： - [免費 PDF 簽名工具](https://blog.markkulab.net/tools/pdf-sign): 線上 PDF 簽名工具，瀏覽器內完成手繪、打字、上傳簽名，可拖曳放置、縮放、下載。所有處理都在你的裝置完成，檔案不會上傳。 - [VS Code Refactory](https://blog.markkulab.net/tools/refactory): Refactory 是一款 VS Code 重構擴充套件：34 個重構動作、37 條 code smell 檢查、Code Health 儀表板、18 種語言、534 支測試。懂你的專案慣例：介面放哪、DI 註冊寫在哪、'use client' 該不該加；還會用 git 修改頻率 × 複雜度排出「該先修哪個檔案」，並一鍵把壞味道交給你自己電腦上的 Claude Code 修。免費使用，原始碼不離開你的機器。 - [DB-Kit 資料庫管理工具](https://blog.markkulab.net/tools/db-kit): DB-Kit 是一個用 Tauri + Rust + React 打造的輕量跨平台資料庫管理工具，用單一一致的介面同時管理 MySQL、MariaDB、PostgreSQL、SQL Server、Oracle、SQLite、MongoDB、Redis、Kafka、Elasticsearch 與 RabbitMQ 十一種資料來源：連線密碼以 OS keychain 加密、SSH Tunnel、完整 CRUD、視覺化查詢建構器、多結果集同時顯示、跨連線資料傳輸與比對同步、Excel / CSV 匯入匯出、執行計畫視覺化、ER 圖、排程備份、SQL 壓力測試（p50～p99 延遲百分位）、15 條規則的 SQL 審查、Kafka 訊息瀏覽與監控告警；繁中 / 英文雙語介面，內建 AI 助手（自然語言生成 SQL、AI 審查與調校建議）與命令列工具 dbk。免費開源（MIT），提供 Windows / macOS / Linux 安裝檔。 - [VS Code Super Mermaid](https://blog.markkulab.net/tools/super-mermaid): Super Mermaid 是一款 VS Code 擴充套件：開箱即用的漂亮 Mermaid 圖表，自動上色、即時預覽、滑鼠平移縮放、PNG / SVG 高解析匯出，內建 21 種範本與多種主題。免費開源（MIT）。 - [React Super Mermaid](https://blog.markkulab.net/tools/react-super-mermaid): react-super-mermaid 是一個開源 React 元件庫：一行 即可渲染漂亮的 Mermaid 圖表，內建 colorful / sketch 主題、平移縮放、圖內搜尋、SVG / PNG 高解析匯出。輕量、SSR 安全、完整 TypeScript 型別。免費開源（MIT）。 - [Jira / Confluence Super Mermaid](https://blog.markkulab.net/tools/jira-super-mermaid): Atlassian Forge app：在 Jira issue 與 Confluence 內文直接寫 Mermaid 語法，畫流程圖、時序圖、狀態機與甘特圖。11 種圖表、SVG / PNG 匯出、明暗主題、完整中日韓文字支援。取得 Runs on Atlassian 資格：圖表存在你自己的站台，app 不呼叫任何第三方服務。免費，即將上架 Atlassian Marketplace。 - [Mermaid 線上預覽](https://blog.markkulab.net/tools/mermaid-preview): 在瀏覽器裡寫 Mermaid、即時看圖，整張圖表壓進網址就能分享。免註冊、不上傳伺服器，相容 mermaid.live 的分享連結。 - [React Intl Phone Number](https://blog.markkulab.net/tools/react-intl-phone-number): react-intl-phone-number 是一個開源 React 元件：framework-agnostic、不依賴 antd，提供 E.164 進出、可搜尋國旗 / 國碼下拉、可配置驗證等級（strict / mobile-strict / loose）、可主題化 CSS 與 i18n，電話邏輯由 google-libphonenumber 驅動。輕量、完整 TypeScript 型別。免費開源（MIT）。 - [Uptime Kuma Cluster](https://blog.markkulab.net/tools/uptime-kuma-cluster): 把單機版 Uptime Kuma 改造成高可用叢集：OpenResty + Lua 智慧負載平衡、MariaDB 共享狀態、健康檢查與自動 Failover，附叢集管理 REST API，一行 Docker Compose 啟動。免費開源（MIT）。 - [特教專案](https://blog.markkulab.net/education): 為特殊教育學生製作的學習教材 ### 每日 Podcast - [科技新鮮事](https://blog.markkulab.net/category/tech-news): 每日精選 AI 與科技趨勢，透過語音摘要快速掌握最新技術動態，涵蓋 AI 應用、軟體架構、DevOps 與工程實戰。 — RSS: https://blog.markkulab.net/feed.xml - [AI股市蝦聊](https://blog.markkulab.net/category/ai-stock-chat): 每個交易日用 AI 分析台股盤勢，以雙人對話聊當天的盤中觀察與隔日預測。 — RSS: https://blog.markkulab.net/ai-stock-chat/feed.xml ### 電子報 [訂閱電子報](https://blog.markkulab.net/subscribe) — 第一時間收到新文章通知，無垃圾信、隨時可取消訂閱。