实战进阶：基于华为云 DDS 文档数据库与大模型实现半结构化 JSON 数据智能检索

一、 前言

在传统的 relational database（关系型数据库）中，表结构（Schema）是严格固定的。但在实际业务开发中，我们经常遇到这样的痛点：

1. 结构多变：电商商品的属性千差万别（有的有尺码，有的有功率，有的有颜色），如果强行用关系型表存储会产生大量的空字段。
2. 查询门槛高：半结构化数据（JSON）虽然灵活，但编写复杂的嵌套查询（如 MongoDB 的 Aggregate 聚合管道）对于非技术人员或普通运营来说极其痛苦。

为了解决这一痛点，NoSQL 文档数据库（如 MongoDB 兼容的 DDS）结合大语言模型（LLM） 成为了绝佳的组合。

今天，我们就以华为云 DDS（文档数据库服务，Document Database Service） 为底座，结合 Python 与大模型，实现一个“自然语言查询 JSON 文档”的智能助手。

────────────────────────────────────

二、 核心架构设计

整个系统的交互链路非常顺畅：

1. 半结构化存储：将灵活的 JSON 文档（如商品、设备日志）存入华为云 DDS 中。
2. 大模型翻译（NL-to-Query）：用户输入自然语言（例如：“帮我找一下价格大于 3000 且颜色是红色的手机”）。
3. 生成 NoSQL 查询语句：大模型根据 DDS 的文档结构，将其自动转换为规范的 MongoDB 语法查询语句（如 db.products.find({"price": {"$gt": 3000}, "color": "red"})）。
4. 安全执行与返回：在后端对生成的查询语句进行安全审计后，在华为云 DDS 中执行并返回结果。

────────────────────────────────────

三、 环境准备与依赖安装

在开始写代码前，请确保安装了连接 MongoDB 兼容数据库和请求大模型的依赖库：

pip install pymongo requests

────────────────────────────────────

四、 核心代码实战

以下是一个精简的 Python 实现脚本，模拟了从自然语言到华为云 DDS 执行查询的全过程：

import json
import requests
from pymongo import MongoClient

# ==================== 1. 配置华为云 DDS 与大模型连接 ====================
# 华为云 DDS（文档数据库服务）连接串
DDS_CONNECTION_STRING = "mongodb://db_user:your_password@your-dds-instance-ip.huaweicloud.com:8635/admin?ssl=true"

# 华为云 ModelArts 部署的大模型 API 地址
MODEL_API_URL = "https://your-modelarts-endpoint-url.com/v1/infer"
API_TOKEN = "您的华为云-IAM-Token"

# ==================== 2. 调用大模型将自然语言转换为 MongoDB 查询语法 ====================
def natural_language_to_mongodb_query(user_query: str) -> str:
    # 给出 DDS 中存储的文档结构 Schema 提示词工程
    schema_prompt = """
    你是一个华为云 DDS（MongoDB兼容）文档数据库专家。请根据以下集合（Collection）的 JSON 文档结构，将用户的自然语言转换为标准的 MongoDB 查询语句（find方法中的过滤条件 JSON）。
    只返回合法的 JSON 查询条件，不要包含任何 markdown 标记或多余解释。
    
    文档结构示例（Collection: products）：
    {
        "product_name": "智能手机",
        "price": 3999,
        "category": "数码",
        "attributes": {
            "color": "黑色",
            "storage": "256G"
        }
    }
    
    用户问题：
    """

    full_prompt = schema_prompt + user_query

    headers = {"Content-Type": "application/json", "X-Auth-Token": API_TOKEN}
    payload = {
        "inputs": full_prompt,
        "parameters": {
            "max_new_tokens": 128,
            "temperature": 0.0,
        },  # 温度设为0，保证语法严谨
    }

    try:
        response = requests.post(
            MODEL_API_URL, headers=headers, json=payload, timeout=30
        )
        if response.status_code == 200:
            result = response.json()
            query_str = result.get("generated_text", "{}").strip()
            return query_str
        else:
            print(f"大模型调用失败: {response.status_code}")
            return "{}"
    except Exception as e:
        print(f"请求异常: {e}")
        return "{}"

# ==================== 3. 在华为云 DDS 中执行查询 ====================
def execute_query_on_dds(query_dict: dict):
    try:
        client = MongoClient(DDS_CONNECTION_STRING)
        db = client["business_db"]
        collection = db["products"]

        print(f"正在华为云 DDS 中执行查询条件: {query_dict}")
        # 执行查询，最多返回前 5 条
        results = list(collection.find(query_dict).limit(5))

        client.close()
        return results
    except Exception as e:
        print(f"DDS 数据库执行错误: {e}")
        return []

# ==================== 4. 主程序测试 ====================
if __name__ == "__main__":
    user_input = "帮我找一下价格大于 3000 的商品有哪些？"
    print(f"用户提问: {user_input}\n")

    # 步骤 1：自然语言转 MongoDB 查询条件
    generated_query_str = natural_language_to_mongodb_query(user_input)
    print(f"大模型生成的查询条件: {generated_query_str}\n")

    # 步骤 2：在华为云 DDS 中执行
    try:
        query_dict = json.loads(generated_query_str)
        query_results = execute_query_on_dds(query_dict)

        print(f"查询结果数量: {len(query_results)}")
        for doc in query_results:
            # 将 ObjectId 等转为字符串以便打印
            doc["_id"] = str(doc["_id"])
            print(doc)
    except json.JSONDecodeError:
        print("大模型生成的不是合法的 JSON 查询条件，解析失败。")

────────────────────────────────────

五、 生产环境落地安全与性能建议

1. 严格限制数据库权限：让大模型生成的查询去直接操作生产数据库风险极高。建议连接 DDS 的账号只具备 find（只读）权限，严禁赋予写、删、改或执行 eval 脚本的权限。
2. 查询超时控制（Max Time MS）：在 MongoDB/DDS 查询时设置严格的超时时间，防止大模型生成复杂的笛卡尔积或全表扫描查询，导致数据库 CPU 飙升。
3. 合理建立索引：对于高频被大模型检索的字段（如 price、category），必须在华为云 DDS 控制台中为其建立单字段或复合索引。

────────────────────────────────────

六、 总结

通过今天的实战，我们打通了“自然语言 $\rightarrow$ 华为云大模型 $\rightarrow$ 华为云 DDS 文档数据库 $\rightarrow$ 半结构化 JSON 数据精准检索”的全链路。

借助华为云高性能、高可靠的文档数据库服务 DDS 与大模型的智慧结合，非技术人员也能轻松驾驭复杂的 NoSQL 数据查询，大幅提升企业内部的数据流转效率。

如果你在连接华为云 DDS 或编写 NoSQL 提示词时遇到问题，欢迎在评论区留言交流！