用途：说明如何把 LangChain 或 LlamaIndex 从 Python 接到 Azure SQL Database，并指出连接测试无法暴露的三类问题：方言提示词、向量检索索引、访问控制。
主要能力与用法：LangChain 侧用 SQLDatabaseToolkit（四个工具）与 create_sql_agent；LlamaIndex 侧用 NLSQLTableQueryEngine。安装示例：python -m venv .venv && .venv/bin/pip install "langchain==1.3.18" "langchain-community==0.4.2" "langchain-classic==1.0.8" "langchain-sqlserver==1.0.1" "llama-index-core==0.14.24" "sqlalchemy==2.0.52" "pyodbc==5.3.0"。连接用 SQLDatabase.from_uri(f"mssql+pyodbc:///?odbc_connect={odbc}")。
关键限制：默认 agent 提示词只写“limit”，未教 T-SQL，需替换 prefix（保留 {dialect}、{top_k}），改用 SELECT TOP 与 ORDER BY ... OFFSET ... FETCH NEXT；LlamaIndex 通过 text_to_sql_prompt 做同样修正。langchain-sqlserver 建表用 PRIMARY KEY NONCLUSTERED，形成堆表，CREATE VECTOR INDEX 报 Msg 42254，需先建聚集索引，且需 100 个非空向量（Msg 42266）；包内无近似检索路径，检索为全扫描。LlamaIndex 无 Azure SQL 向量存储。include_tables 只影响提示词，不限制连接；只读需专用最小权限登录；sample_rows_in_table_info 默认 3，会泄露真实行，应设为 0。
适用场景：在 Azure SQL 上做结构化问答、文本转 SQL 与向量检索的集成开发与安全加固。缺失信息：官方文档、收费与平台支持范围暂未提供。