23ai 新特性之SELECT AI

Oracle 23ai作为首个AI原生融合数据库，推出的SELECT AI新特性。它将大语言模型（LLM）与数据库内核深度融合，实现了“自然语言提问→AI自动转SQL→执行查询→结果反馈”的全流程自动化，无需编写一行SQL代码，只需用日常口语化提问，就能快速获取数据库中的精准数据。这一特性不仅降低了数据查询的门槛，更重构了人与数据库的交互方式，让数据查询变得高效、便捷、零门槛。

原生NL2SQL能力：自然语言直接转SQL

• 只需使用“SELECT AI + 自然语言提问”的格式，即可触发NL2SQL功能，无需记忆复杂参数，上手成本极低；
• 支持各类常见查询场景，无论是简单的单表查询、多表关联查询，还是复杂的聚合统计、条件筛选、排序分页，都能精准识别意图，生成高效SQL。例如“查上季度华东区销售额Top5的产品及对应销量”“统计各部门员工数量及平均工资”“找出近30天未付款的订单并按金额降序排列”；
• 支持“仅显示生成的SQL、不执行查询”“用自然语言解释生成的SQL”两种模式，技术人员可快速核查SQL逻辑，确保查询结果的准确性，同时也能借助这一功能学习复杂SQL的编写方式，提升SQL能力。
  实战示例（基础查询）：

  1. 直接执行自然语言查询（默认执行生成的SQL）
  SELECT AI '查询2026年第一季度华东区的总销售额';
  2. 仅显示生成的SQL，不执行查询
  SELECT AI showsql '查询各产品类别对应的销量，按销量降序排列';
  3. 用自然语言解释生成的SQL
  SELECT AI explainsql '查询近30天未付款的订单，显示订单号、客户名称和订单金额';
  4. 用自然语言描述查询结果
  SELECT AI narrate '统计各部门员工的平均工资，保留两位小数';

智能元数据感知：精准识别表结构，提升SQL生成准确率

传统NL2SQL工具的核心痛点的在于“无法精准理解数据库元数据”，常常因误解表名、字段名、关联关系，生成错误SQL。而Oracle 23ai SELECT AI内置智能元数据感知能力，能够自动识别数据库中的表结构、字段注释、外键约束、表关联关系，甚至能感知用户添加的Schema注解，大幅提升SQL生成的准确率，避免因元数据理解偏差导致的查询失败。
核心能力细节：

• 自动识别表/列注释：如果数据表、字段添加了业务注释（如“product_name 产品名称”“sales_amount 销售额（元）”），SELECT AI会自动读取注释信息，理解字段的业务含义，避免将“sales_amount”误解为“销量”；
• 感知外键与关联约束：自动识别表与表之间的外键关系，生成多表关联查询时，能够精准使用JOIN条件，避免关联错误。例如查询“产品对应的订单数量”，会自动关联产品表与订单表，无需用户手动指定关联字段；
• 支持Schema注解集成：可通过AI配置文件，将Schema注解纳入LLM的元数据感知范围，进一步提升SQL生成的精准度，尤其适合复杂业务场景下的查询需求；
• 大Schema自适应：面对包含数百张表的复杂数据库，SELECT AI会自动筛选与用户提问相关的表，减少Token消耗，避免因Schema过于庞大导致的SQL生成延迟或错误，适配企业级复杂数据库场景。
  这一特性的核心价值，在于让SELECT AI能够“懂业务、懂数据”，生成的SQL不仅语法正确，更贴合业务逻辑，无需用户反复修改，大幅提升查询效率。例如，当用户提问“查未付款的客户订单”，SELECT AI会自动识别“订单表”与“客户表”的关联关系，以及“付款状态”字段的含义，生成精准的关联查询SQL，无需用户手动指定表关联条件。

多场景扩展能力：不止于查询，覆盖全流程数据交互

Oracle 23ai SELECT AI并非局限于“查询”这一单一场景，而是围绕数据交互全流程，扩展出多种实用能力，覆盖开发、运维、业务分析等多个场景，成为一站式智能数据交互工具，这也是其区别于传统NL2SQL工具的核心优势之一。
核心扩展能力：

• RAG原生联动：与Oracle 23ai的原生向量引擎、RAG能力深度集成，能够自动检索向量库中的相关内容，补充到自然语言提问中，减少LLM的“幻觉”，提升查询结果的准确性。例如，当用户提问“某产品的最新定价政策”，SELECT AI会自动检索向量库中相关的文档内容，结合数据库中的定价数据，生成更全面的回答；
• 对话式交互：支持多轮对话，能够记忆上下文，用户可基于上一轮查询结果，进行追问式查询，无需重复描述背景信息。例如，用户先提问“查上季度各区域销售额”，再追问“华东区的销售额占比是多少”，SELECT AI会自动关联上一轮的查询结果，快速生成占比计算SQL；
• 合成数据生成：支持通过自然语言提问，生成符合业务规则的合成数据，用于开发测试、场景模拟等场景。例如，“生成100条模拟客户数据，包含客户名称、手机号、所属区域”，SELECT AI会自动生成符合格式要求的合成数据，无需手动编写插入语句；
• 多语言支持：可接收多语言自然语言提问，生成对应的SQL语句，适配跨国企业、多语言办公场景，结果质量取决于所使用的LLM或嵌入模型的能力；
• 属性图查询支持：能够基于自然语言，生成属性图查询（PGQ）语句，无需用户掌握PGQ语法，即可查询图数据，适配社交网络、供应链分析等场景。

安全可控与灵活适配：兼顾便捷性与企业级需求

作为企业级数据库的核心特性，SELECT AI在便捷性的基础上，重点强化了安全可控与灵活适配能力，满足企业的数据安全与个性化需求，这也是其能够落地企业生产环境的关键。
核心安全与适配能力：

• 权限精细化管控：继承Oracle数据库的权限体系，可精准控制用户的SELECT AI使用权限，例如限制某用户只能查询特定表、特定字段，避免敏感数据泄露；同时，可通过AI配置文件，限制表访问范围，仅让LLM考虑配置中列出的表，进一步提升数据安全性；
• 私有模型集成：支持通过DBMS_CLOUD_AI包，集成自定义LLM模型（如本地部署的Ollama、LLaMA 3），或对接外部AI服务，企业可根据自身安全需求，选择私有部署或公有云模型，确保数据不泄露；
• 私有端点访问：可将LLM模型部署在企业虚拟云网络（VCN）的私有端点后，实现对生成式AI模型的安全、私有访问，隔离数据库与AI模型服务器，避免公网访问带来的安全风险；
• 多平台适配：支持在SQL Developer、OML Notebooks及第三方工具中使用，可通过AI关键字直接输入自然语言提示，适配不同用户的使用习惯；同时，支持Python客户端库，可在Python代码中调用SELECT AI能力，适配开发场景；
• 反馈优化机制：支持用户对生成的SQL及结果进行反馈，帮助优化LLM的SQL生成能力，让SELECT AI越用越精准，贴合企业的业务场景。