如何用Dify与Qwen搭建MySQL智能NL2SQL工作流教程
用Dify+Qwen本地模型可5分钟实现自然语言转MySQL查询，全程离线运行；需配置Docker环境、Ollama/vLLM接入Qwen模型、创建NL2SQL工作流并调试验证。
当业务同事发来“查一下上个月华东区销量最高的3个产品”这类需求时，你不再需要手动写SQL或反复确认字段名——用Dify拖拽编排+Qwen本地模型，5分钟内就能让自然语言直接生成可执行的MySQL查询语句。整个流程不依赖公网API、不上传任何业务数据，所有推理和查询都在你自己的机器上完成。
准备本地运行环境
先确保Docker已安装并正常运行，Ubuntu 22.04或WSL2环境最稳定。若使用Windows，请确认WSL2已启用且Docker Desktop配置为使用WSL2后端。
克隆Dify最新代码并进入Docker部署目录：
git clone https://github.com/langgenius/dify.git → cd dify/docker
复制示例环境文件：【cp .env.example .env】，这一步不能跳过，否则后续服务会因缺失环境变量启动失败。
执行一键启动：【docker compose up -d】。首次运行需拉取镜像，约2～3分钟。完成后访问 http://localhost:3000 即可看到Dify登录页。
配置Qwen模型接入Dify
方法一：通过Ollama本地托管（推荐小白）
在终端运行：【ollama run qwen2.5-coder:7b】，等待模型下载完成并自动加载。Ollama默认监听 http://localhost:11434。
进入Dify后台 → 右上角头像 → 设置 → 模型供应商 → 添加模型 → 填写：模型名称填 qwen2.5-coder，基础URL填 http://host.docker.internal:11434，点击保存。
注意：Docker容器内无法用 localhost 访问宿主机服务，必须用 host.docker.internal 这个别名，否则连接会超时。
方法二：用vLLM部署Qwen3-1.5B（适合有GPU的用户）
执行命令：【vllm serve Qwen/Qwen2.5-1.5B-Instruct --port 9999 --dtype float16】，启动后基础URL改为 http://host.docker.internal:9999/v1。
创建NL2SQL工作流
第一步：新建应用 → 选择“聊天编排” → 命名为“MySQL智能问数”。
第二步：删除默认LLM节点，在开始节点后添加工具节点 → 选择“rookie_text2data”插件（需提前从GitHub安装：https://github.com/jaguarliuu/rookie_text2data）。
第三步：配置rookie_text2data参数：
数据库类型选 MySQL；
主机地址填你的MySQL容器名或宿主机IP（如Docker网络中MySQL容器名为 mysql-db，则填 mysql-db）；
端口、用户名、密码、数据库名按实际填写；
表结构描述粘贴进“Schema Description”栏——这是生成准确SQL的关键，必须包含主键、外键、字段类型及注释。
第四步：在rookie_text2data节点后接一个LLM节点，System提示词设为：
“你是一位MySQL专家，只输出标准SQL语句。检查输入SQL是否符合MySQL 8.0语法，修正表名/字段名大小写、反引号缺失、函数误用等问题。输出必须是单条可执行语句，不含解释、不含```标记。”
第五步：再接一个rookie_excute_sql工具节点，输入变量选上一步LLM输出的text字段，执行结果将自动返回JSON格式数据。
调试与验证
点击右上角“测试”按钮，输入自然语言问题：“查出销售额大于10万的商品名称和销量”。观察各节点输出：
rookie_text2data节点应输出类似 SELECT name, sales FROM products WHERE sales > 100000 的原始SQL；
LLM节点输出应为修正后的标准SQL，比如字段加了反引号、WHERE条件加了括号；
rookie_excute_sql节点输出应为JSON数组，含字段名和数据行；
若某节点报错，重点检查rookie_text2data的数据库连接参数和Schema描述是否与真实表结构完全一致——【字段名拼写错误或类型描述不符会导致SQL生成失败】。
在rookie_excute_sql节点后添加一个模板转换节点，将JSON转为易读文本，变量填 {{#节点ID.output#}}，格式设为“{{item.name}}: {{item.sales}}”。
