5 dépôts
Tools that generate database retrieval statements based on described logic.
Distinct from Database Query Execution: Focuses on the creation of the query string rather than the execution of the query.
Explore 5 awesome GitHub repositories matching data & databases · Query Generators. Refine with filters or upvote what's useful.
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
Provides a mechanism to generate SQL that is compatible across different database vendors and versions.
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
Creates functions from labeled SQL statements that return typed objects and accept typed parameters.
Sqlcoder est un modèle de langage (LLM) text-to-SQL spécialisé dans la conversion de questions en langage naturel en requêtes de base de données structurées et exécutables. Il fonctionne comme une interface de base de données et un générateur de requêtes permettant la récupération de données sans nécessiter de code manuel. Le système utilise un modèle ajusté par instructions combiné à une incitation (prompting) consciente du schéma et à une injection de contexte dynamique. En ingérant les métadonnées de la base de données et en utilisant l'apprentissage en contexte avec des paires de requêtes exemples, il génère des requêtes syntaxiquement valides qui correspondent au schéma spécifique de la base de données connectée. Le projet couvre un éventail plus large de capacités, notamment l'automatisation de la business intelligence et l'analyse de données en libre-service. Il fournit une infrastructure pour la gestion des connexions aux bases de données et une interface visuelle pour l'exécution des requêtes et l'ingestion des métadonnées.
Generates syntactically valid database retrieval statements by combining live schema information with user input.
aiac is an AI-powered command line tool designed to translate natural language requests into infrastructure code, DevOps workflows, and system scripts. It operates as a generator that uses large language models to produce cloud provisioning files, configuration files, and executable automation scripts directly from the terminal. The tool features a provider-agnostic model abstraction and a configuration-based routing system, allowing users to switch between different AI backends and discover compatible models. It includes an interactive shell interface for refining generated outputs through i
Writes complex data retrieval statements for various database engines based on required logic.
Prisma Client est un client de base de données pour les applications Node.js et TypeScript qui fournit une interface typée pour interagir avec les bases de données relationnelles. Il fonctionne comme un mappeur objet-relationnel qui traduit les définitions de schéma déclaratives en interfaces de requête fortement typées, garantissant que les opérations de base de données s'alignent avec la structure de données sous-jacente. La bibliothèque se distingue en générant des définitions de type directement à partir d'un modèle de schéma, ce qui permet l'analyse statique et l'auto-complétion IDE pendant le développement. En abstrayant les interactions de base de données dans un langage de requête unifié, elle standardise la communication à travers différents backends de base de données et élimine le besoin de construction manuelle de requêtes. Le projet couvre un large éventail de capacités de gestion de base de données, y compris la modélisation automatique de schéma et l'exécution d'opérations de données validées. Il utilise un moteur dédié pour gérer le traitement des requêtes, maintenant une sécurité de type stricte à travers toute la pile d'application pour éviter les erreurs à l'exécution.
Standardizes communication across different database backends by mapping diverse SQL dialects to a unified internal query language.