华为云Flexus+DeepSeek征文｜云端智能加持：华为云ModelArts Studio提升Chat2DB的AI数据库管理效能

前言
一、华为云ModelArts Studio平台介绍
- 1.1 ModelArts Studio介绍
- 1.2 ModelArts Studio主要特点
- 1.3 ModelArts Studio使用场景
- 1.4 ModelArts Studio产品架构
二、Chat2DB介绍
- 2.1 Chat2DB简介
- 2.2 Chat2DB主要特点
三、本次实践介绍
- 3.1 本次实践介绍
- 3.2 环境规划
- 3.3 系统要求
四、环境准备工作
- 4.1 检查系统版本
- 4.2 检查Docker环境
- 4.3 安装基础软件包
五、开通DeepSeek商用服务
- 5.1 进入ModelArts Studio控制台
- 5.2 开通商业服务
- 5.3 复制OpenAI SDK信息
- 5.4 创建API key
六、部署MySQL数据库
- 6.1 拉取Mysql容器镜像
- 6.2 创建MySQL容器
- 6.3 检查MySQL容器状态
- 6.4 连接与测试
七、部署Chat2DB应用
- 7.1 创建部署目录
- 7.2 创建Chat2DB容器
- 7.3 检查Chat2DB容器状态
- 7.4 检查容器日志
八、部署与配置One API服务
- 8.1 创建One API容器
- 8.2 访问One API首页
- 8.3 添加渠道
- 8.4添加新令牌
- 8.5 复制及保存令牌信息
九、访问Chat2DB服务
十、Chat2DB的配置和基本使用
- 10.1 连接数据库
- 10.2 设置简体中文（可选）
- 10.3 配置AI模型
- 10.4 测试AI功能
- 10.5 仪表盘功能
十一、实践体验与总结

前言

在数字化转型加速的背景下，数据库管理正面临日益复杂的挑战，传统手段已难以满足高效与智能的需求。华为云ModelArts Studio凭借其强大的AI能力，为Chat2DB注入了全新的智能化动力。通过自然语言处理与自动化技术的深度融合，Chat2DB实现了对数据库操作的精准理解和高效执行。本文将深入解析华为云ModelArts Studio如何赋能Chat2DB，打造更加智能、高效的数据库管理体验。

一、华为云ModelArts Studio平台介绍

1.1 ModelArts Studio介绍

🌟 平台介绍

ModelArts Studio是华为云提供的一个大模型即服务平台（MaaS服务），旨在简化模型开发流程，支持定制化大模型的开发，并使这些模型能够无缝集成到业务系统中。通过降低企业AI应用的成本和难度，ModelArts Studio助力企业快速实现AI技术落地。

👉 立即体验：通过ModelArts Studio，让大模型成为企业数字化转型的核心驱动力，解锁智能未来！

在这里插入图片描述

1.2 ModelArts Studio主要特点

全栈模型生态，性能卓越
✅ 主流模型全覆盖：集成Llama、Baichuan、Yi、Qwen、DeepSeek等99%业界SOTA开源模型，预适配昇腾算力底座，精度与推理性能显著提升。
✅ 零代码自动化开发：沉淀100+行业调优经验，提供一键训练、自动超参优化、标准化流水线，无需手动调参，开发周期缩短50%+。
✅ 昇腾深度优化：基于昇腾算子与显存优化技术，训练/推理效率大幅提升，预置最优超参配置，开箱即用。
资源灵活可控，成本优化
💡 按需付费，弹性扩缩：分钟级获取算力资源，按实际使用收费，避免闲置浪费，降低AI入门门槛。
💡 高可用性保障：多数据中心部署，支持故障快速恢复（快恢）与断点续训，确保训练任务不中断，保护项目连续性。
智能应用快速构建
🤖 Agent开发加速器：提供优质Prompt模板与智能Agent沉淀，支持复杂任务拆解（如多系统协同决策），快速生成业务专属智能体。
🤝 组件化生态集成：即插即用MCP Server、LangChain、RAG、Guard等工具，一站式构建智能问答、知识管理、流程自动化等应用。
一站式全生命周期服务
📦 全流程工具链：覆盖模型调优、压缩、部署、评测等环节，支持「即开即用」，无需跨平台切换。
⚙️ 标准化流水线：内置性能与精度评价体系，自动化完成模型优化，确保全场景高性能表现。

1.3 ModelArts Studio使用场景

行业大模型定制开发
🔹 金融/医疗/制造：基于开源模型微调，快速构建风控分析、智能诊断、供应链优化等垂直领域大模型。
🔹 优势：无需从头训练，依托昇腾优化提升行业数据适配性，降低定制成本。
复杂业务流程自动化
🔹 企业级决策支持：拆解项目级任务（如跨部门协作、多系统调用），通过智能Agent实现自动化决策与执行。
🔹 典型场景：智能客服（多轮对话+知识库检索）、工单自动化处理、数据分析报告生成。
低成本AI创新探索
🔹 中小企业/初创团队：通过按需付费模式，零门槛试用大模型能力，快速验证业务场景（如营销文案生成、智能质检）。
🔹 优势：分钟级启动开发，无需预置算力资源，试错成本降低80%。
高性能实时推理场景
🔹 实时交互应用：智能问答、推荐系统、工业实时监控等，依托昇腾优化保障低延迟、高并发推理。
🔹 技术支撑：多数据中心容灾架构，确保7×24小时稳定服务。
多模态应用集成
🔹 智能内容生成：结合RAG（检索增强生成）与Guard（安全防护），构建企业级知识中台、数字人交互等多模态应用。
🔹 组件化优势：快速集成LangChain等工具，实现「数据-模型-应用」闭环。

1.4 ModelArts Studio产品架构

华为云ModelArts Studio产品架构集成了模型服务、应用服务和资源管理等多个模块，支持从模型调优、压缩到部署的全生命周期管理，并提供丰富的插件和应用体验。其底层依托于ModelArts Standard平台，涵盖模型开发、数据工程、训练和推理等核心功能，确保高效灵活的AI开发流程。通过统一资源调度和AI专属资源池，ModelArts Studio实现了资源的按需使用和快速扩展，助力企业轻松应对复杂多变的业务需求。

在这里插入图片描述

二、Chat2DB介绍

2.1 Chat2DB简介

Chat2DB 是一个集成 AI 能力的智能、通用 SQL 客户端与数据报告工具，支持多种数据库系统（如 MySQL、Oracle、PostgreSQL、SQL Server、DB2、SQLite、ClickHouse 等），帮助用户更高效地编写 SQL 查询、管理数据库、生成可视化报告并实现跨数据库交互。作为开源项目，Chat2DB 欢迎社区参与和贡献。

2.2 Chat2DB主要特点

智能 SQL 生成：借助 AI 技术，快速生成准确的 SQL 查询语句，提升开发效率。
多数据库支持：全面兼容超过 10 种主流数据库，满足多样化数据管理需求。
数据库管理功能强大：提供连接、浏览、编辑、调试等一体化数据库管理体验。
智能报告生成：基于 AI 自动生成可视化数据报表和仪表盘，辅助业务决策。
数据结构同步：支持不同数据库之间的表结构自动比对与同步，简化迁移流程。
跨平台使用：支持主流操作系统，便于团队协作与多环境部署。
开源可扩展：开放源代码，便于二次开发与功能定制，持续推动生态共建。

三、本次实践介绍

3.1 本次实践介绍

本次实践基于个人测试环境，依托华为云 Flexus X 实例与 ModelArts Studio 平台开展；
实践内容为将Chat2DB工具接入 ModelArts Studio 提供的 DeepSeek 商用大模型服务，并完成Chat2DB的部署与配置。

3.2 环境规划

云厂商	服务器	云服务	部署项目	IP地址	操作系统版本	内核版本	Docker版本	大模型	备注
华为云	本地服务器	MaaS平台提供的DeepSeek商用服务	Chat2DB	192.168.3.88	Ubuntu 22.04.1 LTS	5.15.0-142-generic	28.1.1	华为云DeepSeek-V3-32K等	——

3.3 系统要求

在安装 Chat2DB 之前，请确保你的系统满足以下最低配置要求：

类别	要求
Docker	版本 19.03.0 或更高
Docker Compose	版本 1.25.0 或更高
CPU	至少 2 核
内存（RAM）	≥ 4 GiB

📌 提示： 为保证 Chat2DB 的稳定运行和良好体验，建议使用更高配置的环境，尤其是在处理大规模数据或连接多个数据库时。

四、环境准备工作

4.1 检查系统版本

本次实践在本地测试服务器进行，使用操作系统版本22.04.1 LTS，需要提前安装Docker环境。建议使用华为云Flexus X实例，环境部署更加方便快捷。

root@jeven01:~#  cat /etc/os-release
PRETTY_NAME="Ubuntu 22.04.1 LTS"
NAME="Ubuntu"
VERSION_ID="22.04"
VERSION="22.04.1 LTS (Jammy Jellyfish)"
VERSION_CODENAME=jammy
ID=ubuntu
ID_LIKE=debian
HOME_URL="https://www.ubuntu.com/"
SUPPORT_URL="https://help.ubuntu.com/"
BUG_REPORT_URL="https://bugs.launchpad.net/ubuntu/"
PRIVACY_POLICY_URL="https://www.ubuntu.com/legal/terms-and-policies/privacy-policy"
UBUNTU_CODENAME=jammy

4.2 检查Docker环境

检查Docker版本，当前安装版本为28.1.1。

root@jeven01:~# docker -v
Docker version 28.1.1, build 4eba377

检查Docker Compose版本，当前安装版本为：v2.35.1。

root@jeven01:~# docker compose version
Docker Compose version v2.35.1

4.3 安装基础软件包

如果是初始环境，可以安装以下基础软件

apt install -y build-essential cmake curl wget gnupg unzip vim git net-tools iputils-ping software-properties-common

在这里插入图片描述

五、开通DeepSeek商用服务

5.1 进入ModelArts Studio控制台

ModelArts Studio是华为云提供的一个大模型即服务平台（MaaS服务），旨在简化模型开发流程，支持定制化大模型的开发，并使这些模型能够无缝集成到业务系统中。通过降低企业AI应用的成本和难度，ModelArts Studio助力企业快速实现AI技术落地。我们登录华为云官网后，进入ModelArts Studio大模型即服务平台的介绍页。官网地址：https://www.huaweicloud.com/product/modelarts/studio.html。点击“ModelArts Studio控制台”，即可进入maas服务控制台内。

在这里插入图片描述

5.2 开通商业服务

访问 ModelArts Studio 大模型即服务平台后，ModelArts Studio 控制台，登录后进入模型推理页面，选择在线推理 > 预置服务 > 商用服务，在模型列表中找到 DeepSeek-R1-32K，点击“开通服务”以启用该模型，具体操作如下所示：

在这里插入图片描述

同样的方法，我们可以开通DeepSeek-V3-32K和DeepSeek-R1-32K-0528商用服务，如下所示已正常开通。

在这里插入图片描述

5.3 复制OpenAI SDK信息

您可以选择某个已开通的商用服务（例如 DeepSeek-V3-32K），点击其右侧的 “调用说明” 选项，即可查看与该模型兼容的 OpenAI SDK 调用信息。请在此页面复制所需的 模型名称 和 API 地址，并保存至本地，以便后续配置和使用。

在这里插入图片描述

5.4 创建API key

我们在ModelArts Studio控制台左侧菜单栏中，单击“API Key管理”，开始创建API key。

在这里插入图片描述

填写API key的标签和描述，填写完毕后，确认创建。

在这里插入图片描述

复制我们刚才生成的密钥，如下所示：

在这里插入图片描述

可以在本地建一个临时文本文件，将以上关键信息保存下来。

在这里插入图片描述

六、部署MySQL数据库

6.1 拉取Mysql容器镜像

请执行以下命令以拉取 MySQL 的容器镜像。我们将使用名为 mysql:8.0 的镜像版本：

root@jeven01:~# docker pull mysql:8.0
8.0: Pulling from library/mysql
ed0a8990cecb: Already exists
177b61316434: Already exists
8136f22d09a6: Already exists
b1e07841ef1f: Already exists
6a1cda231802: Already exists
3129972d409e: Already exists
b0a39b3bc178: Already exists
8196d276e623: Already exists
61ad5ccea9dc: Pull complete
f342254d0c44: Pull complete
c74d929db40f: Pull complete
Digest: sha256:ea507a449a36891e6712925d8ef67e208870f3cf58934d2e60abae7c406c0bc6
Status: Downloaded newer image for mysql:8.0
docker.io/library/mysql:8.0

6.2 创建MySQL容器

执行以下命令，快速创建MySQL容器，如下所示：

mkdir -p /data/mysql/{data,conf}

docker run -d \--name mysql_01 \--restart always \-v /data/mysql/data:/var/lib/mysql \-v /data/mysql/conf:/etc/mysql/conf.d \-p 3641:3306 \-e MYSQL_ROOT_PASSWORD=admin \-e MYSQL_DATABASE=data \mysql:8.0

在这里插入图片描述

📌 参数说明：

参数	说明
`-v /data/mysql/data:/var/lib/mysql`	挂载 MySQL 数据目录，持久化数据防止容器删除后数据丢失
`-v /data/mysql/conf:/etc/mysql/conf.d`	挂载自定义配置文件目录，可在其中添加 `.cnf` 文件以覆盖默认配置
`-p 3641:3306`	映射宿主机端口 3641 到容器内 MySQL 的 3306 端口
`-e MYSQL_ROOT_PASSWORD=admin`	设置 root 用户的密码为 `admin`
`-e MYSQL_DATABASE=data`	容器启动时自动创建名为 `data` 的数据库
`--restart always`	设置容器随 Docker 自动重启

6.3 检查MySQL容器状态

检查MySQL容器状态，可以看到MySQL容器正常运行中。

root@jeven01:~# docker ps
CONTAINER ID   IMAGE              COMMAND                  CREATED         STATUS          PORTS NAMES
ebb6d4c0600f   mysql:8.0          "docker-entrypoint.s…"   2 minutes ago   Up 2 minutes    33060/tcp, 0.0.0.0:3641->3306/tcp, [::]:3641->3306/tcp mysql_01

6.4 连接与测试

在测试环境中，可通过宿主机执行以下命令连接 MySQL 容器服务：

docker exec -it mysql_01 mysql -uroot -padmin

在这里插入图片描述

七、部署Chat2DB应用

7.1 创建部署目录

执行以下命令，创建部署目录。

mkdir -p /data/chat2db  && cd /data/chat2db/

7.2 创建Chat2DB容器

如果使用docker命令行方式创建容器，可参考以下示例命令：

docker run  -d --name=chat2db -p 10824:10824 -v /data/chat2db/.chat2db-docker:/root/.chat2db  chat2db/chat2db:latest

本次实践基于 Docker Compose 方式进行容器创建与配置，推荐使用该方式以提升部署效率并统一服务管理。

vim docker-compose.yaml

version: '3'
services:chat2db:image: 'chat2db/chat2db:latest'restart: always volumes:- '/data/chat2db/.chat2db-docker:/root/.chat2db'ports:- '10824:10824'container_name: chat2db

在这里插入图片描述

7.3 检查Chat2DB容器状态

执行以下命令，查看 Chat2DB 容器的运行状态，确保其已正常启动：

root@jeven01:/data/chat2db# docker ps
CONTAINER ID   IMAGE                    COMMAND                  CREATED          STATUS          PORTS        NAMES
34c1579d56d1   chat2db/chat2db:latest   "java -Dloader.path=…"   9 minutes ago    Up 8 minutes    0.0.0.0:10824->10824/tcp, [::]:10824->10824/tcp        chat2db

7.4 检查容器日志

检查Chat2DB容器日志，可以看到Chat2DB服务正常运行。

docker compose logs

在这里插入图片描述

八、部署与配置One API服务

8.1 创建One API容器

创建本地目录/data/oneapi/，如下所示：

mkdir -p /data/oneapi/ && cd /data/oneapi/

在部署目录下新建及编辑docker-compose.yaml部署文件，如下所示：

vim docker-compose.yaml

version: '3'services:one-api:image: justsong/one-apicontainer_name: one-apirestart: alwaysports:- "7800:3000"volumes:- /data/oneapi/data:/dataenvironment:- TZ=Asia/Shanghai

执行docker compose up -d命令，快速创建oneapi容器。

docker compose up -d

在这里插入图片描述

8.2 访问One API首页

浏览器访问http://<云服务器公网IP地址>:7800，将IP替换为云服务器的弹性公网IP地址，访问One API的初始页。如果无法访问到该页面，需要检查操作系统的防火墙是否关闭或放行相关服务端口。

在这里插入图片描述

点击One API右上角的登录选项，进入登录页。

在这里插入图片描述

初始默认管理员账号密码为root/123456，填写账号密码完毕后，点击“登录”选项。

在这里插入图片描述

登录到One API首页后，会自动提示我们修改初始密码，修改密码后提交即可。

在这里插入图片描述

8.3 添加渠道

新增渠道配置，可参考如下：

类型： OpenAI兼容
名称：华为云
分组：默认即可
Base URL： https://api.modelarts-maas.com/v1
模型：DeepSeek-V3
密钥：华为云mass的API Key
其余配置默认，确定提交即可。

在这里插入图片描述

在新增渠道后，可通过点击“测试”按钮进行验证，若提示状态正常，则表示配置已成功且有效。

在这里插入图片描述

8.4添加新令牌

在令牌管理模块，点击“添加新的令牌”。

在这里插入图片描述

由于是测试环境，我们可以简单配置，参考如下：

名称：华为云
模型范围：DeepSeek-V3
过期时间：永不过期（可自行设置）
额度：设置无线额度
其余配置默认即可，点击提交。

在这里插入图片描述

8.5 复制及保存令牌信息

我们选择复制的第一项【复制NextChat链接】，即可生成相关令牌信息。

在这里插入图片描述

生成的令牌信息如下所示：

https://app.nextchat.dev/#/?settings={"key":"sk-Q790oEvOpTnAiolM9887Ac75DeB948349c68EbE75cFdA026","url":"http://localhost:3000"}

转换为OpenAI SDK信息：

API地址：http://192.168.0.122:7800
API密钥： sk-Q790oEvOpTnAiolM9887Ac75DeB948349c68EbE75cFdA026
模型名称：DeepSeek-V3
将以上信息保存，用于对接NextChat个人AI助手使用。

在这里插入图片描述

九、访问Chat2DB服务

浏览器访问http://<服务器IP地址>:10824，将IP替换为自己服务器IP地址，访问Chat2DB的初始登录页。如果无法访问到该页面，需要检查操作系统的防火墙是否关闭或放行相关服务端口。

在这里插入图片描述

Chat2DB的初始登录账号密码为chat2db/chat2db，填写账号密码后，即可访问Chat2DB首页。

在这里插入图片描述

十、Chat2DB的配置和基本使用

10.1 连接数据库

在Chat2DB数据库管理模块中，我们点击“MySQL”类型，进入到MySQL连接配置页面。

在这里插入图片描述

MySQL连接配置项，可参考如下填写：

Name: 数据库实例名称，可自定义填写，这里填写mysql_server ；
Host： 192.168.3.88 （本地服务器IP地址）；
Port: 3641 (数据库服务端口）；
User/Password: 填写我们默认设置的root/admin ；
其余配置默认，点击“save”保存即可。

在这里插入图片描述

双击该 MySQL 实例名称，即可快速连接至数据库，如下所示：

在这里插入图片描述

10.2 设置简体中文（可选）

如需切换系统语言，可在系统设置中选择【基础设置】→【语言】→【简体中文】，即可将系统界面语言切换为简体中文。

在这里插入图片描述

10.3 配置AI模型

在系统设置——自定义AI——自定义，填写AI模型相关信息，配置可参考如下：

ApiKey： oneapi中的API key ；
ApiHost： http://192.168.3.88:7800/v1/chat/completions/
Model： DeepSeek-V3
填写完毕后，点击“应用”即可。

在这里插入图片描述

10.4 测试AI功能

通过向AI对话系统询问如何在MySQL里创建一个名为school的数据库，我们发现Chat2DB与华为云的Deepseek-V3大型模型协作，可以有效地提供精确的SQL语句作为回应。

请给出在 MySQL 中创建名为school数据库的 SQL 语句。

在这里插入图片描述

将AI回答的内容中，只保留SQL语句部分，点击执行，可以看到成功执行该SQL命令。

在这里插入图片描述

在数据库列表中，点击“刷新”选项后，我们可以看到名为 school 的数据库已成功创建。

10.5 仪表盘功能

在仪表盘管理页面中，点击“+”按钮以新建仪表盘，填写完名称后，点击“确认”完成创建操作

在这里插入图片描述

在创建仪表盘的页面中间，点击“Add Data”，添加数据源操作。

在这里插入图片描述

将回答内容仅保留SQL语句，点击【执行】后，选择图标类型为饼状图，X轴选择“数据库”，即可看到饼状图已成功生成。

在这里插入图片描述

将回答的内容只保留SQL语句，点击【执行】后，图标类型选择饼状图，X轴选择数据库，可以看到饼状图已经成功生成。

在这里插入图片描述

十一、实践体验与总结

✨ 实践体验分享
通过本次基于华为云 ModelArts Studio 与 DeepSeek-V3 大模型的 Chat2DB 数据库智能管理实践，深刻体会到 AI 技术与数据库操作融合所带来的高效与便捷。从环境准备、MySQL 数据库部署，到 Chat2DB 应用配置与 AI 模型对接，整个流程清晰可控，操作界面友好直观。尤其在使用自然语言进行数据库查询、生成可视化图表等场景中，AI 展现出极高的理解力与准确性，极大降低了数据库使用的门槛，提升了开发与运维效率。

🚀 总结与展望
此次实践不仅验证了 Chat2DB 在数据库管理中的强大功能，更展现了华为云 ModelArts Studio 平台在 AI 工程化落地方面的卓越能力。借助 DeepSeek 商用大模型的强大语义理解能力，Chat2DB 实现了“对话即操作”的全新交互方式，让数据库管理变得更加智能和轻松。未来，随着 AI 技术的不断演进，相信华为云将持续引领智能化数据库管理的新潮流，为开发者和企业提供更加高效、智能的服务支持。

📣 华为云 ModelArts Studio，助力 AI 赋能每一个行业，开启智能新纪元！