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 est une bibliothèque Java pour l'analyse de requêtes SQL, convertissant des chaînes SQL brutes en une hiérarchie structurée d'objets Java fortement typés. Elle fournit les moyens d'analyser et de manipuler par programmation les requêtes de base de données en les représentant comme un arbre d'objets. La bibliothèque prend en charge à la fois l'analyse de texte SQL existant et la génération programmatique de nouvelles instructions via une API fluide. Elle inclut des mécanismes pour transformer les arbres de requêtes et sérialiser les modèles d'objets structurés en texte SQL formaté. Les capacités supplémentaires incluent l'analyse de schéma de base de données, telle que l'extraction de noms de tables pour mapper les dépendances de données, et la validation de syntaxe SQL. L'analyseur est configurable pour gérer différents dialectes de syntaxe et inclut une récupération tolérante aux erreurs pour continuer à traiter les scripts après avoir rencontré des jetons invalides.

Querydsl est un framework pour la construction de requêtes typées (type-safe). Il utilise une API fluide et une génération de code basée sur des annotations pour créer des classes miroir à partir de modèles de domaine, permettant la validation à la compilation des requêtes de base de données et supprimant le besoin de concaténation manuelle de chaînes. Le projet fournit une syntaxe de requête unifiée qui se traduit en dialectes spécifiques pour de multiples backends, incluant SQL, MongoDB, Lucene et JDO. Il prend en charge des capacités de requête avancées telles que les expressions de table communes (CTE), les fonctions de fenêtre, les opérations géospatiales et les sous-requêtes imbriquées complexes. Au-delà de la récupération de données, le framework couvre l'exécution DML typée pour les mises à jour et suppressions en masse, ainsi que le mappage de résultats dans des Java Beans, des constructeurs ou des tuples. Il inclut le support pour l'interrogation de collections en mémoire et s'intègre avec le framework Spring pour la gestion des transactions et la gestion des connexions.

Ce projet est un wrapper de constructeur de requêtes Eloquent et un parseur de requêtes REST API pour les applications Laravel. Il traduit les paramètres de requête HTTP en requêtes de base de données pour fournir un filtrage dynamique, un tri et le chargement de relations pour les endpoints API. Le système découple l'interface API externe de la couche de stockage via une abstraction de schéma basée sur des alias, permettant aux noms de champs publics de mapper vers des colonnes de base de données privées. Il supporte l'inclusion dynamique de relations imbriquées et de comptes agrégés, ainsi que l'exécution de logique programmatique personnalisée pour les filtres et le tri via des classes invocables et des closures. La surface de capacité couvre la projection de données via la sélection de champs et le tri des résultats basés sur les paramètres de requête. Il fournit en outre des mécanismes pour le filtrage basé sur les relations en utilisant la notation par points, l'intégration avec des scopes de modèle locaux et le contrôle sur la visibilité des enregistrements supprimés logiquement (soft-deleted).

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.

dbtpl est un générateur de modèles de base de données et un introspecteur de schéma qui produit du code source typé et des modèles de données à partir de schémas de base de données SQL. Il fonctionne comme un outil de ligne de commande qui mappe les types SQL aux structs Go et aux fonctions d'exécution, tout en fournissant un système basé sur des templates pour créer du code source et des définitions de schéma personnalisés. L'outil prend en charge plusieurs moteurs de base de données, notamment PostgreSQL, MySQL, SQLite, Oracle et SQL Server. Il se distingue en permettant aux utilisateurs de définir des formats de sortie personnalisés via des templates texte et la capacité de générer des définitions de modèles compatibles pour le framework web Django. Ses capacités s'étendent à la production de scripts SQL pour la migration et la mise en miroir de bases de données, ainsi qu'à l'exportation de représentations de schéma aux formats JSON ou YAML. De plus, il peut générer des fichiers dot pour visualiser les relations de base de données et les diagrammes structurels.

xo est un outil pour générer des modèles Go typés et du code d'exécution de requêtes à partir de schémas et de requêtes de base de données SQL. Il fonctionne comme un outil SQL multi-dialecte prenant en charge PostgreSQL, MySQL, SQLite, Oracle et Microsoft SQL Server pour produire du code source idiomatique. Le projet utilise un système de génération basé sur des templates, permettant à la structure et à la logique du code source de base de données généré d'être définies via des templates texte personnalisables. Il inclut également un visualiseur de schéma de base de données qui analyse les relations et les définitions des tables pour créer des diagrammes visuels et une documentation structurée. Les capacités de l'outil couvrent la génération automatisée de code SQL et la création de modèles de base de données spécialisés. Il fournit des utilitaires pour mapper des requêtes SQL personnalisées à des fonctions Go et générer des scripts de schéma pour documenter les migrations de base de données.

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 est un mappeur objet-relationnel (ORM) asynchrone pour Python qui intègre la persistance de base de données avec la validation de données. Il fonctionne comme un pont entre la gestion de base de données relationnelle et les structures de données au niveau de l'application, permettant aux développeurs de définir des schémas de base de données qui servent simultanément de modèles de validation. Le projet se distingue en utilisant des classes de validation pour appliquer l'intégrité du schéma, garantissant que tous les enregistrements persistés sont conformes aux types et structures définis. Il prend en charge les associations relationnelles complexes, y compris les relations un-à-plusieurs et plusieurs-à-plusieurs, et fournit des hooks de cycle de vie pilotés par les événements qui déclenchent une logique personnalisée lors des changements d'état des enregistrements pour maintenir la cohérence des données. La bibliothèque couvre un large éventail de capacités de gestion de base de données, y compris l'exécution de requêtes non bloquantes et des outils de migration de schéma automatisés. Elle utilise un générateur de requêtes de bas niveau pour traduire les méthodes d'objet en opérations de base de données structurées, tout en fournissant des utilitaires en ligne de commande pour synchroniser les versions physiques de la base de données avec le code de l'application à travers différents environnements.

Ce projet est une boîte à outils de base de données pour Go qui fournit un mappage schéma-vers-objet, une construction de requête fluide et une génération de code automatisée. Il fonctionne comme un framework pour l'accès aux bases de données typé, permettant aux développeurs d'interagir avec des bases de données relationnelles en générant des modèles et des interfaces directement à partir des schémas de base de données existants. La boîte à outils se distingue par un flux de travail qui analyse les fichiers SQL écrits à la main pour générer des fonctions typées, permettant l'intégration de SQL personnalisé tout en maintenant un mappage de résultats cohérent. Elle prend en charge la personnalisation modulaire via une architecture basée sur des plugins et utilise des métadonnées basées sur des commentaires SQL pour contrôler la structure du code généré. De plus, elle simplifie le développement en générant automatiquement des usines de données de test pour rationaliser la configuration des tests unitaires et d'intégration. Au-delà de la génération de base, la boîte à outils fournit une suite complète pour gérer le cycle de vie complet des interactions avec la base de données. Cela inclut la construction de requêtes fluides à travers plusieurs dialectes, l'assainissement automatisé des paramètres pour prévenir l'injection SQL, et le mappage relationnel qui transforme les résultats de requête plats en structures d'objets imbriquées. Elle dispose également de hooks de cycle de vie pour exécuter une logique personnalisée pendant les opérations de base de données et prend en charge l'intégration incrémentale, permettant une adoption partielle sans nécessiter une migration complète du système.