用 n8n + GPT-4o 把自然语言转成 BigQuery SQL 并执行

聊天输入 → 拉取 BigQuery 表结构 → GPT-4o 生成 SQL → 执行查询 → 返回结果

给谁

需要查询数据但不会写 SQL 的分析师、客服或业务人员

你会得到

在聊天窗口用自然语言提问，自动获得可执行的 BigQuery SQL 与查询结果

你需要

n8n · google-bigquery

步骤

1. 导入工作流

   在 n8n 中打开 Workflows → Import from File（或 Paste JSON），上传本模板 workflow.json，然后保存。

2. 添加凭证

   在 n8n 的 Credentials 中创建两类凭证，并在对应节点中引用： 1) OpenAI：创建 openAiApi 凭证，填入 API key；在 OpenAI Chat Model 节点选择该凭证。 2) Google BigQuery：在 Google Cloud Console → IAM & Admin → Service Account 下载 JSON key，创建 googleBigQueryOAuth2Api 凭证；在 Google BigQuery 节点（schema 查询与执行查询两个节点）均选择该凭证。

3. 配置 schema 获取节点

   打开第一个 Google BigQuery 节点（名称通常为 Output all table, and column names in your schema）。将其 SQL 中的项目与数据集替换为你自己的： 把 `n8nautomation-453001.email_leads_schema` 替换为 `YOUR_PROJECT.YOUR_DATASET`，保留 `INFORMATION_SCHEMA.COLUMNS` 及字段名不变。

   运行提示词 · 来源原文。Google BigQuery 节点（schema 获取）的 SQL Query 字段；替换项目与数据集后执行

   复制提示词

   SELECT 
     table_name,
     column_name,
     data_type
   FROM `n8nautomation-453001.email_leads_schema.INFORMATION_SCHEMA.COLUMNS`

4. 确认执行查询节点

   打开第二个 Google BigQuery 节点（Run query against schema）。在 Project ID 中选择你的项目；确认 SQL Query 字段已为 `{{ $json.output.query }}`，这样它会直接运行 AI 生成的 SQL。

5. 配置 AI Agent 的提示词

   打开 AI Agent - Write SQL Query 节点，确认其参数： - 用户输入模板（text）接收聊天问题与表结构文本。 - systemMessage 定义了模型行为：仅使用提供的 schema 中的表/列名，不编造字段，输出严格 JSON 格式 {"query":"..."}。 注意：systemMessage 中硬编码了 schema 前缀 `n8nautomation-453001.email_leads_schema.`，你需要替换为自己的 project.dataset。

   运行提示词 · 来源原文。AI Agent - Write SQL Query 节点的 text 字段（用户输入模板）

   复制提示词

   =user question: {{ $('Embedable chat for users to ask questions of bigquery').item.json.chatInput }}
   Table and column names: {{ $json.text }}

   运行提示词 · 来源原文。AI Agent - Write SQL Query 节点的 options.systemMessage 字段

   复制提示词

   =You are a helpful AI assistant that writes valid SQL queries for Google BigQuery.
   
   You will be given:
   - A user’s question,
   - A list of available table names and column names. {{ $json.text }}
   
   Your task is to:
   1. Write a syntactically correct BigQuery SQL query that best answers the user's question,
   2. Only use table and column names that appear in the provided schema — do not guess or invent names,
   3. Make the best possible guess about which table and columns to use *from the given list only*,
   4. Return your output in a strict JSON format with one key: "query".
   
   ⚠️ Do NOT invent table or column names.
   ⚠️ If a relevant field does not exist, make the best effort to answer with what's available, or omit that part.
   ⚠️ Do NOT include any explanation, notes, or comments — only the final JSON.
   
   ---
   
   
   **this schema must be written before the table name  Schema:**
   
   `n8nautomation-453001.email_leads_schema.
   
   output data in json like this. 
   {
   	"query": "sql query and no other text"
   }

6. 测试并激活

   打开嵌入式聊天窗口，输入自然语言问题（例如：How many distinct email leads were created last week?）。等待数秒后，工作流会返回查询结果表格；若 schema 缺少请求字段，可能报错。测试通过后，将工作流切换为 Active，使其持续可用。

你是一个 n8n 工作流搭建助手。用户想复现「自然语言转 BigQuery SQL」模板。请先确认用户已具备：1) n8n 实例访问权限；2) OpenAI API key；3) Google Cloud 项目及 BigQuery 数据集权限。然后按以下顺序协助：导入 workflow.json → 添加 openAiApi 与 googleBigQueryOAuth2Api 凭证 → 替换 schema 获取节点中的 project.dataset → 确认执行节点的 project 与 SQL Query 变量 → 检查 AI Agent 的 systemMessage 中硬编码的 schema 前缀是否需要替换 → 建议测试问题并提醒激活。不要替用户生成或发送 API key。