NL2Sql

关键前提:

1、如何理解表和字段;

2、如何把自然语言转化为正确的sql:含正确的表、where条件、结果字段等。

3、复杂sql的处理:可使用预定义的提示词+sql模板。

4、支持自定义注释。

效果的影响因素:

  1. 表和列注释的丰富程度:每张表及表中的列都添加注释,会提高查询的准确率。
  2. 用户问题与表中列注释的匹配程度:用户问题中的关键词和列注释保 持一致,语义上越接近,查询效果越好。
  3. 生成的SQL语句长度:SQL语句中涉及的列越少、条件越简单,查询 会越准确。
  4. SQL语句中的逻辑复杂程度:SQL语句中涉及的高级语法越少,查询越准确。

参考

https://help.aliyun.com/zh/polardb/polardb-for-mysql/user-guide/llm-based-nl2sql 自然语言到SQL语言转义(基于大语言模型的NL2SQL)

https://www.cnblogs.com/ting1/p/18145360

https://github.com/eosphoros-ai/DB-GPT

相关推荐
golang学习记2 分钟前
Claude Code2.0.12发布插件系统:构建可扩展的 AI 编程工作流
人工智能
minhuan3 分钟前
构建AI智能体:六十二、金融风控系统:基于信息熵和KL散度的异常交易检测
人工智能·信息熵·kl散度·信息论·金融风控
zy_destiny9 分钟前
【工业场景】用YOLOv8实现人员打电话识别
人工智能·python·深度学习·yolo·机器学习·计算机视觉·目标跟踪
feixiangyuncai30 分钟前
Bentley软件迎新任首席营销官,驱动AI营销新动力
人工智能·智慧城市·能源·交通物流
CoderLemon30 分钟前
告别重复编码:Claude Code 自动化开发全流程详解——启航篇-00
人工智能·claude
MARS_AI_37 分钟前
云蝠智能VoiceAgent 9月升级概览:从功能交互到用户体验
人工智能·自然语言处理·交互·信息与通信·agi
飞哥数智坊41 分钟前
“狗都不用”的 Cursor Auto 模式,竟靠 Plan Mode 真香回归?
人工智能·ai编程·cursor
Mr.Winter`42 分钟前
深度强化学习 | 基于SAC算法的动态避障(ROS C++仿真)
人工智能·深度学习·神经网络·机器人·自动驾驶·ros·具身智能
东方芷兰1 小时前
LLM 笔记 —— 07 Tokenizers(BPE、WordPeice、SentencePiece、Unigram)
人工智能·笔记·深度学习·神经网络·语言模型·自然语言处理·nlp