兄弟们，2026年了，数据分析还自己在手写SQL？太out了！现在用Python + DeepSeek API，直接自助式分析，业务问题一扔，AI自动生成SQL，从数据库挖数据，秒出结果。零基础也能玩，本文以SQL Server广告表为例，手把手教你全程操作。DeepSeek推理强、成本低，这组合简直无敌！
准备工作：DeepSeek API + Python环境
- 去DeepSeek平台注册，拿API Key（免费额度够玩）。
- 安装库：
text
pip install pyodbc openai
DeepSeek API兼容OpenAI格式，超方便。
第一步：连接SQL Server数据库
用pyodbc连数据库（替换成你的服务器信息）：
Python
import pyodbc
def get_conn():
conn = pyodbc.connect(
'DRIVER={ODBC Driver 17 for SQL Server};'
'SERVER=your_server_name;' # 比如 localhost 或 IP
'DATABASE=your_database_name;'
'UID=your_username;'
'PWD=your_password'
)
return conn
第二步：读取表结构，告诉DeepSeek“数据库长啥样”
AI不会瞎编列名，咱们先把广告表（假设叫ads_table）的schema读出来：
Python
def build_schema_desc(conn):
cursor = conn.cursor()
cursor.execute("""
SELECT TABLE_NAME, COLUMN_NAME, DATA_TYPE
FROM INFORMATION_SCHEMA.COLUMNS
WHERE TABLE_NAME = 'ads_table' # 你的广告表名
""")
rows = cursor.fetchall()
schema = {}
for row in rows:
table = row.TABLE_NAME
if table not in schema:
schema[table] = []
schema[table].append(f"{row.COLUMN_NAME} ({row.DATA_TYPE})")
desc = "数据库表结构：\n"
for table, cols in schema.items():
desc += f"表 {table}: {', '.join(cols)}\n"
return desc
这样DeepSeek就知道有哪些字段了（比如year, ad_sales, ad_orders, ad_cost等）。
第三步：定义Agent提示词，让DeepSeek变身SQL专家
用OpenAI兼容方式调用DeepSeek：
Python
from openai import OpenAI
client = OpenAI(
api_key="your_deepseek_api_key",
base_url="https://api.deepseek.com"
)
def agent_think(question, schema_desc):
prompt = f"""
你是一个专业的SQL数据分析师，只输出可执行的SQL语句，不要解释。
数据库是SQL Server，方言用T-SQL。
表结构：
{schema_desc}
用户问题：{question}
请生成精确的SQL查询，只返回SQL代码。
"""
response = client.chat.completions.create(
model="deepseek-chat",
messages=[{"role": "user", "content": prompt}],
temperature=0.3,
max_tokens=500
)
sql = response.choices[0].message.content.strip()
return sql
第四步：执行SQL函数
Python
def run_sql(conn, sql):
cursor = conn.cursor()
cursor.execute(sql)
columns = [col[0] for col in cursor.description]
rows = cursor.fetchall()
return columns, rows
第五步：主流程跑起来！业务问题直接扔
Python
if __name__ == "__main__":
print("SQL Agent 启动成功！")
conn = get_conn()
schema_desc = build_schema_desc(conn)
question = """计算2023广告销售额，广告订单数，每单广告花费，广告ROI(广告销售额除以广告花费)，要一个汇总结果"""
decision_sql = agent_think(question, schema_desc)
print("\nAgent 决策 SQL：")
print(decision_sql)
columns, data = run_sql(conn, decision_sql)
print("\n查询结果：")
print(columns)
for row in data:
print(row)
conn.close()
运行结果示例（假设数据）
Agent生成的SQL大概长这样：
SQL
SELECT
SUM(ad_sales) AS 广告销售额,
COUNT(*) AS 广告订单数,
SUM(ad_cost) / COUNT(*) AS 每单广告花费,
SUM(ad_sales) / SUM(ad_cost) AS 广告ROI
FROM ads_table
WHERE year = 2023
结果输出：
text
['广告销售额', '广告订单数', '每单广告花费', '广告ROI']
(12500000.0, 5000, 2500.0, 5.0)
2023年广告投了1250万，订单5000单，每单花2500，ROI 5倍！直接决策参考。
结语：这才是2026年数据分析该有的样子
DeepSeek + Python，业务同学提需求，AI写SQL，你只管看结果。还能扩展：加pandas画图、streamlit做Dashboard，秒变专业BI工具。
兄弟们，赶紧试试！有问题评论区问我～代码已完整，可直接抄。