Awesome GitHub RepositoriesSQL Query Generation

This project is a SQL database abstraction layer that provides a consistent object-oriented interface for interacting with multiple relational database systems. It includes a driver wrapper to standardize connections and result sets, a fluent query builder for constructing portable SQL statements, and a type mapper for converting database-specific data types into native application types and vice versa. The library enables programmatic schema management through a schema manager that can introspect database metadata, model structures as objects, and generate the SQL required to migrate between

Jeesite is a full-stack low-code development framework designed for building enterprise administrative portals using Spring Boot, MyBatis, and Vue. It functions as a comprehensive platform for creating administrative dashboards with integrated role-based access control and organizational data permission systems. The framework distinguishes itself through a combination of automated CRUD code generation and an integrated RAG platform that connects large language models to enterprise data via vector stores. It further incorporates a BPMN-based workflow engine to automate complex business process

SQLDelight is a Kotlin database library that validates SQL schema, statements, and migrations at compile time, generating type-safe Kotlin query functions from labeled SQL files. It treats SQL as the source of truth for database definitions, catching schema errors during the build process before they reach production. The library supports multiple database dialects including SQLite, MySQL, PostgreSQL, HSQL, and H2, and generates platform-specific code for Android, iOS, JVM, and JavaScript targets. It provides a platform-specific driver abstraction that handles database connectivity difference

🔥 基于大模型和 RAG 的智能问数系统，对话式数据分析神器。Text-to-SQL Generation via LLMs using RAG.

JSqlParser ist eine Java-Bibliothek für SQL-Abfrage-Parsing, die rohe SQL-Strings in eine strukturierte Hierarchie stark typisierter Java-Objekte konvertiert. Sie bietet die Möglichkeit, Datenbankabfragen programmatisch zu analysieren und zu manipulieren, indem sie diese als Baum von Objekten darstellt. Die Bibliothek unterstützt sowohl das Parsen von vorhandenem SQL-Text als auch die programmatische Generierung neuer Anweisungen durch eine Fluent-API. Sie enthält Mechanismen zur Transformation von Abfragebäumen und zur Serialisierung strukturierter Objektmodelle zurück in formatierten SQL-Text. Zusätzliche Funktionen umfassen die Datenbank-Schema-Analyse, wie die Extraktion von Tabellennamen zur Abbildung von Datenabhängigkeiten, sowie die SQL-Syntax-Validierung. Der Parser ist konfigurierbar, um verschiedene Syntax-Dialekte zu handhaben, und enthält eine fehlertolerante Wiederherstellung, um die Verarbeitung von Skripten nach dem Auftreten ungültiger Token fortzusetzen.

Querydsl ist ein Framework für die Konstruktion typsicherer Abfragen. Es verwendet eine Fluent-API und annotationsbasierte Codegenerierung, um Spiegelklassen aus Domänenmodellen zu erstellen, was eine Validierung von Datenbankabfragen zur Kompilierzeit ermöglicht und die Notwendigkeit manueller String-Verkettung beseitigt. Das Projekt bietet eine einheitliche Abfragesyntax, die in spezifische Dialekte für mehrere Backends übersetzt wird, einschließlich SQL, MongoDB, Lucene und JDO. Es unterstützt fortgeschrittene Abfragefunktionen wie Common Table Expressions, Window-Funktionen, geospatiale Operationen und komplexe verschachtelte Subqueries. Über den Datenabruf hinaus deckt das Framework die typsichere DML-Ausführung für Massenaktualisierungen und -löschungen sowie das Result-Mapping in Java-Beans, Konstruktoren oder Tupel ab. Es beinhaltet Unterstützung für In-Memory-Collection-Abfragen und integriert sich in das Spring-Framework für Transaktionsmanagement und Verbindungsverwaltung.

Dieses Projekt ist ein Eloquent-Query-Builder-Wrapper und REST-API-Query-Parser für Laravel-Anwendungen. Es übersetzt HTTP-Anfrageparameter in Datenbankabfragen, um dynamische Filterung, Sortierung und das Laden von Beziehungen für API-Endpunkte bereitzustellen. Das System entkoppelt die externe API-Schnittstelle von der Speicherschicht durch alias-basierte Schema-Abstraktion, wodurch öffentliche Feldnamen auf private Datenbankspalten abgebildet werden können. Es unterstützt die dynamische Einbeziehung verschachtelter Beziehungen und Aggregatzählungen sowie die Ausführung benutzerdefinierter programmatischer Logik für Filter und Sortierung über invokable Klassen und Closures. Der Funktionsumfang deckt die Datenprojektion durch Feldauswahl und Ergebnissortierung basierend auf Anfrageparametern ab. Es bietet zudem Mechanismen für beziehungsbasierte Filterung unter Verwendung von Dot-Notation, Integration mit lokalen Modell-Scopes und Kontrolle über die Sichtbarkeit von soft-gelöschten Datensätzen.

Sqlcoder ist ein Text-to-SQL Large Language Model, das darauf spezialisiert ist, natürlichsprachliche Fragen in strukturierte, ausführbare Datenbankabfragen umzuwandeln. Es fungiert als Datenbankschnittstelle und Query-Generator, der den Datenabruf ohne manuelle Programmierung ermöglicht. Das System nutzt ein instruction-tuned Modell in Kombination mit schema-aware Prompting und dynamischer Kontext-Injektion. Durch das Einlesen von Datenbank-Metadaten und die Verwendung von In-Context-Learning mit Beispiel-Query-Paaren generiert es syntaktisch korrekte Abfragen, die dem spezifischen Schema der verbundenen Datenbank entsprechen. Das Projekt deckt ein breites Spektrum an Funktionen ab, einschließlich Business-Intelligence-Automatisierung und Self-Service-Datenanalyse. Es bietet Infrastruktur für das Datenbank-Verbindungsmanagement sowie eine visuelle Schnittstelle für die Abfrageausführung und Metadaten-Ingestion.

dbtpl ist ein Datenbankmodell-Generator und Schema-Introspektor, der typsicheren Quellcode und Datenmodelle aus SQL-Datenbankschemata erzeugt. Er fungiert als Kommandozeilentool, das SQL-Typen auf Go-Structs und Ausführungsfunktionen abbildet, während es ein Template-basiertes System zur Erstellung benutzerdefinierter Quellcodes und Schemadefinitionen bereitstellt. Das Tool unterstützt mehrere Datenbank-Engines, darunter PostgreSQL, MySQL, SQLite, Oracle und SQL Server. Es zeichnet sich dadurch aus, dass Benutzer benutzerdefinierte Ausgabeformate über Text-Templates definieren können und die Möglichkeit besteht, kompatible Modelldefinitionen für das Django-Webframework zu generieren. Seine Funktionen erstrecken sich auf die Erstellung von SQL-Skripten für Datenbankmigrationen und -spiegelungen sowie den Export von Schemadarstellungen in JSON- oder YAML-Formaten. Zusätzlich kann es Dot-Dateien generieren, um Datenbankbeziehungen und Strukturdiagramme zu visualisieren.

xo ist ein Tool zur Generierung typsicherer Go-Modelle und Code zur Abfrageausführung aus SQL-Datenschemata und -Abfragen. Es fungiert als Multi-Dialekt-SQL-Tool, das PostgreSQL, MySQL, SQLite, Oracle und Microsoft SQL Server unterstützt, um idiomatischen Quellcode zu erzeugen. Das Projekt verwendet ein Template-basiertes Generierungssystem, das es ermöglicht, die Struktur und Logik des generierten Datenbank-Quellcodes über anpassbare Text-Templates zu definieren. Es enthält zudem einen Datenbank-Schema-Visualisierer, der Tabellenbeziehungen und Definitionen analysiert, um visuelle Diagramme und strukturierte Dokumentationen zu erstellen. Die Funktionen des Tools decken die automatisierte SQL-Codegenerierung und die Erstellung spezialisierter Datenbankmodelle ab. Es bietet Utilities zum Mapping benutzerdefinierter SQL-Abfragen auf Go-Funktionen und zur Generierung von Schema-Skripten zur Dokumentation von Datenbankmigrationen.

Langroid is a multi-agent orchestration framework and tool integration suite designed for building complex AI applications. It serves as a multi-modal integration layer that connects diverse local and remote language models with an agentic retrieval-augmented generation system. The project distinguishes itself through a collaborative message-exchange paradigm, allowing specialized agents to delegate tasks hierarchically and coordinate via structured communication. It features an advanced state management system for conversational AI, including the ability to rewind and prune conversation hist

DataHerald is a natural language text-to-SQL interface and data analytics tool that translates English questions into executable database queries using a large language model. It functions as a query generator and connectivity layer capable of retrieving database records and summarizing the results into human-readable explanations. The project features a dedicated business logic layer for defining database constraints and managing verified query pairs to improve translation accuracy. It acts as a multi-warehouse data connector, allowing for the indexing and querying of multiple SQL databases

DataFlow is an agent-based workflow orchestrator and data pipeline designed to synthesize, clean, and augment large-scale datasets for training large language models. It functions as a synthetic data generator and text curation tool, utilizing an intelligent assistant to assemble modular processing operators into functional pipelines based on user requirements. The project distinguishes itself through a low-code approach, providing a web-based visual interface for designing and monitoring multi-stage execution flows. It features an operator-based registry system that allows for the integratio

Ormar ist ein asynchroner Object-Relational Mapper (ORM) für Python, der Datenbankpersistenz mit Datenvalidierung integriert. Er fungiert als Brücke zwischen relationalem Datenbankmanagement und anwendungsebene-Datenstrukturen, wodurch Entwickler Datenbankschemata definieren können, die gleichzeitig als Validierungsmodelle dienen. Das Projekt zeichnet sich durch die Verwendung von Validierungsklassen zur Durchsetzung der Schema-Integrität aus, wodurch sichergestellt wird, dass alle persistierten Datensätze den definierten Typen und Strukturen entsprechen. Es unterstützt komplexe relationale Assoziationen, einschließlich One-to-Many- und Many-to-Many-Beziehungen, und bietet ereignisgesteuerte Lifecycle-Hooks, die benutzerdefinierte Logik bei Änderungen des Datensatzstatus auslösen, um die Datenkonsistenz zu wahren. Die Bibliothek deckt ein breites Spektrum an Datenbankmanagement-Funktionen ab, einschließlich nicht-blockierender Abfrageausführung und automatisierter Schema-Migrations-Tools. Sie nutzt einen Low-Level-Query-Builder, um Objektmethoden in strukturierte Datenbankoperationen zu übersetzen, und bietet gleichzeitig CLI-Utilities zur Synchronisation physischer Datenbankversionen mit dem Anwendungscode über verschiedene Umgebungen hinweg.

Dieses Projekt ist ein Datenbank-Toolkit für Go, das Schema-zu-Objekt-Mapping, flüssige Abfragekonstruktion (Fluent Query Construction) und automatisierte Codegenerierung bietet. Es fungiert als Framework für typsicheren Datenbankzugriff und ermöglicht Entwicklern die Interaktion mit relationalen Datenbanken durch die Generierung von Modellen und Interfaces direkt aus bestehenden Datenbankschemata. Das Toolkit zeichnet sich durch einen Workflow aus, der handgeschriebene SQL-Dateien parst, um typsichere Funktionen zu generieren, was die Integration von benutzerdefiniertem SQL bei gleichzeitiger Beibehaltung konsistenter Ergebnis-Mappings ermöglicht. Es unterstützt modulare Anpassungen durch eine Plugin-basierte Architektur und nutzt SQL-Kommentar-basierte Metadaten, um die Struktur des generierten Codes zu steuern. Zudem vereinfacht es die Entwicklung durch die automatische Generierung von Testdaten-Factories, um das Setup von Unit- und Integrationstests zu optimieren. Über die Kern-Generierung hinaus bietet das Toolkit eine umfassende Suite zur Verwaltung des gesamten Lebenszyklus von Datenbankinteraktionen. Dies umfasst flüssiges Query-Building über mehrere Dialekte hinweg, automatisierte Parameter-Sanitisierung zur Vermeidung von SQL-Injection und relationales Mapping, das flache Abfrageergebnisse in verschachtelte Objektstrukturen transformiert. Es bietet zudem Lifecycle-Hooks zur Ausführung benutzerdefinierter Logik während Datenbankoperationen und unterstützt inkrementelle Integration, was eine teilweise Einführung ermöglicht, ohne eine vollständige Systemmigration zu erfordern.