概述

傳統BI的三大核心瓶頸：

• 問數之難：不同用戶往往存在個性化的分析邏輯，盡管企業內部已經創建大量報表和看板，但仍然無法完全滿足業務部門對數據的個性化需求。但傳統BI門檻較高，非技術人員在統一培訓前，往往難以自行使用BI進行個性化分析。
• 問知之遲：傳統BI的分析流程需預先定義數據模型、依賴技術團隊支持，從需求提出到洞察生成存在顯著延遲，不同的業務方，不同時間點，不同場景下，可能是同一個取數需求，都需要重新排期進行，不僅耗費精力，更難以支撐瞬息萬變的實時決策場景。
• 問策之限：分析深度受限于預設指標與固定邏輯，傳統BI缺乏動態探索與深度推理能力，難以主動揭示復雜業務場景中的隱性關聯與根因，制約策略生成。

Text-to-SQL，Text2SQL，把自然語言轉化為SQL，也叫文本到SQL，自然語言到SQL，Text2SQL、T2S、NL2SQL、Natural2SQL、Text2Query、Chat2Query。

早在LLM之前已有大量專注于此任務的機器學習項目。在大模型出現以后，憑借其強大的自然語言理解和推理能力，讓T2S得到大力的推進。

在RAG中QA對，在text2sql中，便是query-sql對。

最佳實踐：

• 清楚描述數據庫上下文；
• 限制數據查詢輸出的大小；
• 在執行之前驗證和檢查生成的SQL語句。

引申：

• Text2DSL：Domain Specific Language，領域特定語言
• Text2GQL：Graph Query Language，圖查詢語言
• Text2API：
• Text2Vis：論文

供參考的T2S問題分類：

• 常規指標查詢
• 進階指標查詢
• 時間變種
• 實體信息變種
• 多設備查詢
• 多意圖拆解
• 嵌套查詢
• 圖表輸出

提示詞策略

• Informal Schema：非正式模式策略，簡稱IS，以自然語言提供表及其關聯列的描述，模式信息以不太正式的方式表達；
• API Docs：API文檔，簡稱AD，相比之下，Rajkumar(2022)等人進行的評估中概述的AD策略，遵循OpenAI文檔中提供的默認SQL翻譯提示。此提示遵循稍微更正式的數據庫模式定義。
• Select 3：包括數據庫中每個表的三個示例行。此附加信息旨在提供每個表中包含的數據的具體示例，以補充模式描述；
• 1SL：1 Shot Learning，在提示中提供1個黃金示例；
• 5SL：5 Shot Learning，在提示中提供5個黃金示例。

T2S與ChatBI

LLM的迅猛發展使得T2S的準確率得到不少提升，也催生出一大批開源或付費ChatBI系統。

ChatBI=NLU模塊+T2S引擎+數據庫連接+可視化引擎+對話管理。

Benchmark

T2S任務的評價主要有兩種：精確匹配率（Exact Match，EM）、執行正確率（Execution Accuracy，EX，也叫EA）

• EM：計算模型生成的SQL和標注SQL的匹配程度，結果存在低估的可能。
• EX：計算SQL執行結果正確的數量在數據集中的比例，結果存在高估的可能。

EM，為了處理由成分順序帶來的匹配錯誤，當前精確匹配評估將預測的SQL語句和標準SQL語句按著SQL關鍵詞分成多個子句，每個子句中的成分表示為集合，當兩個子句對應的集合相同則兩個子句相同，當兩個SQL所有子句相同則兩個SQL精確匹配成功。

評價指標另有VES：Valid Efficiency Score。VES旨在衡量模型生成的有效SQL的效率。有效SQL，指的是預測的SQL查詢，其結果集與基準SQL的結果集一致。任何無法執行正確值的SQL查詢都將被聲明為無效。VES指標可以考慮執行結果的效率和準確性，提供對模型性能的全面評估。

評估數據集有很多

Spider

有兩個版本：

• Spider 1.0：官網，論文；
• Spider 2.0：官網，論文，GitHub。

Spider 1.0是耶魯大學推出，包含10181個問題和5693個SQL，涉及200個數據庫

Spider 2.0是由香港大學、Salesforce Research等團隊提出的T2S Benchmark框架，用來LLMs在真實企業級數據工作流中的能力。Spider 1.0和BIRD存在數據庫規模小、SQL復雜度低、缺乏多方言支持等局限性，而企業級場景涉及超大規模模式（平均812列）、多數據庫系統（BigQuery/Snowflake/SQLite等）和復雜數據工程流程。Spider 2.0通過以下創新點突破現有框架：

• 真實數據源：基于Google Analytics、Salesforce等企業數據庫，包含213個數據庫和632個任務；
• 跨方言支持：覆蓋6種SQL方言的多種特殊函數；
• 項目級交互：整合代碼庫（如DBT項目）和文檔，模擬真實開發環境；
• 長上下文處理：平均每個SQL包含148.3個token，遠超BIRD的30.9和Spider 1.0的18.5。

實驗表明，o1-preview在Spider 2.0上的成功率僅20%左右，遠低于其在Spider 1.0上90%+和BIRD上70%+的表現。揭示現有模型在模式鏈接、方言適配和多步推理上的瓶頸。

提供兩種任務設置：

提供兩個簡化版數據集：

• Spider 2.0-Lite：托管在BigQuery、Snowflake和SQLite上；
• Spider 2.0-Snow：全部托管在Snowflake上。

維度	Spider 2.0	Spider 2.0-Lite	Spider 2.0-Snow
任務類型	代碼代理任務，多輪交互	純文本到SQL，單輪生成	純文本到SQL，單輪生成
數據庫支持	6種，含BigQuery/Snowflake/PG	BigQuery/Snowflake/SQLite	僅Snowflake
示例數量	632	547	547
復雜度	極高（動態環境交互+多方言）	高（跨數據庫適配）	中（單一方言聚焦）
成本	需付費（云資源消耗）	需付費（BigQuery使用費）	完全免費（Snowflake提供配額）
核心挑戰	復雜數據工程流程（清洗→轉換→分析）	跨數據庫模式鏈接與函數適配	Snowflake方言深度優化
適用場景	企業級代碼代理研究	跨平臺模型泛化能力評估	單一云數據庫性能基準測試

Spider-Agent框架
官方提供的基于ReAct構建的解決方案，專為數據庫任務設計的代理框架，針對SQL和數據庫交互設計一套動作空間，支持：

• 多動作空間：支持SQL執行、文件編輯、命令行操作等；
• 迭代調試：通過執行反饋不斷改進解決方案；
• 上下文管理：有效整合代碼庫、文檔等多源信息

動作空間是Spider-Agent的核心，定義模型可執行的操作：

• Bash：運行shell命令，例如查看文件或執行dbt run；
• CreateFile：創建新的SQL腳本文件；
• EditFile：修改或覆蓋現有文件內容；
• ExecuteSQL：在數據庫上執行SQL查詢，并可選擇保存結果；
• GetTables：獲取數據庫中的表名和模式；
• GetTableInfo：查詢指定表的列信息；
• SampleRows：從表中采樣數據并保存為JSON格式；
• FAIL：任務失敗；
• Terminate：任務已成功完成。

這些動作賦予模型靈活性，使其能夠與數據庫和代碼環境無縫交互。

Bird

官網，論文，GitHub

一個開創性的跨領域數據集，包含超過12751個獨特的問題-SQL對，95個大型數據庫，達33.4GB。涵蓋超過37個專業領域，如區塊鏈、曲棍球、醫療保健和教育等。

GPT-3.5-turbo在BIRD數據集上的表現進行詳細的錯誤分析與分類：

• 錯誤的模式鏈接（Wrong Schema Linking，占41.6%）：模型能準確地理解數據庫的結構，但錯誤地將其與不適當的列和表關聯起來。表明schema linking仍然是T2S模型的一個重大障礙。
• 誤解數據庫內容（Misunderstanding Database Content，占40.8%）：當ChatGPT無法回憶起正確的數據庫結構（如rtype不屬于satscores表）或生成假的schema項（如lap_records沒有出現在formula_1數據庫中）時，尤其是當數據庫非常大時，就會發生這種情況。如何使模型真正理解數據庫結構和內容仍然是LLMs中的痛點話題。
• 誤解知識證據（Misunderstanding Knowledge Evidence，占17.6%）：沒有準確解釋人類注釋的證據的情況。如直接復制公式DIVIDE(SUM(spent),COUNT(spent))。表明ChatGPT在面對不熟悉的提示或知識時，缺乏魯棒性，導致它直接復制公式，而不考慮SQL語法。這種脆弱性可能會導致安全問題。例如如果故意通過一個不熟悉的公式引入一個毒藥知識證據，GPT可能會在沒有驗證的情況下無意中將其復制到輸出中，從而使系統暴露于潛在的數據安全風險中。
• 語法錯誤（Syntax Error，占3.0%）：比例較小，表明ChatGPT在語義解析方面表現良好，少部分錯誤體現在一些特殊的關鍵詞，如混淆使用MySQL的year()和SQLite中的STRFTIME()。

IJCKG2025 Archer

Archer包含三種推理類型：算術推理、常識推理和假設推理。算術推理在SQL的具體應用場景中占有重要比例。常識推理是指基于隱含的常識知識進行推理的能力，Archer包含一些需要理解數據庫才能推斷出缺失細節的問題；假設推理要求模型具備反事實思維能力，即根據可見事實和反事實假設對未見情況進行想象和推理的能力。

Archer包含1042個中文問題、1042個英文問題以及521條對應的SQL查詢，覆蓋20個不同領域的20個數據庫。其中8個數據庫用作訓練集，2個數據庫用作驗證集，10個數據庫用作測試集。數據集及排行榜地址：https://sig4kg.github.io/archer-bench/

評估指標：

• VA：VAlid SQL，成功執行的預測SQL語句的比例，無論答案是否正確；
• EX：EXecution accuracy，預測SQL語句執行結果與標準SQL語句執行結果相匹配的比例。

開源

Awesome Text2SQL

GitHub，關于LLMs、Text2SQL、Text2DSL、Text2API、Text2Vis等主題的精選教程資源。

Chat2db

旨在成為一個通用的開源SQL客戶端和報告工具，支持幾乎所有比較流行的數據庫、緩存。

7B開源模型：
https://github.com/CodePhiliaX/Chat2DB-GLM
https://huggingface.co/Chat2DB/Chat2DB-SQL-7B

部署

git clone https://github.com/CodePhiliaX/Chat2DB
cd Chat2DB/docker
docker compose up -d

瀏覽器打開http://localhost:10824，開始體驗。

輸入默認用戶名密碼chat2db。

設置API Key

創建數據庫連接

上面截圖沒體現出來，可新增多個自定義配置。

新增Dashboard：

Chart Type支持3種

Vanna

一款開源AI SQL代理，能夠將自然語言問題轉化為可操作的數據庫洞察。該平臺提供了多種部署選項，以滿足不同的組織需求：

• Vanna Cloud：無需設置即可使用的企業級平臺，針對你的特定數據環境和行業背景進行訓練；
• Vanna Enterprise：本地部署，以實現完全的數據主權；
• Vanna API：具備集成能力，可將AI驅動的數據庫交互嵌入到現有應用程序中；
• 開源基礎：為希望構建自定義解決方案的開發者提供最大程度的靈活性。

支持Snowflake、BigQuery等主流數據庫，并可輕松創建連接器以支持其他數據庫。可通過多種前端部署，包括Jupyter Notebooks、Slack機器人、Web應用和Streamlit界面。

開源的開源Python RAG框架。Vanna通過整合上下文（元數據、定義、查詢等）以及領域知識文檔來訓練RAG模型。在Vanna框架的基礎上可以使用現有工具（例如Streamlit、Slack）構建自定義可視化UI，實現對話結果的可視化。

兩個步驟：

• 基于數據訓練RAG模型；
• 提出問題返回SQL查詢，并且可以將查詢配置為在數據庫上自動運行。

WrenAI

開源，官網

數據庫內容不會傳輸到LLMs，確保數據安全。

部署

git clone https://github.com/Canner/WrenAI
cd WrenAI/docker/
cp .env.example .env
docker compose up -d

瀏覽器打開http://localhost:3000，比較貼心地給出自帶的數據源和數據集

上面提到RAG的QA對，WrenAI也能看到類似知識庫維護界面

API界面沒有維護入口，需要在.env文件里配置，然后重啟服務。

SQL Chat

GitHub，具備T2S聊天功能的SQL客戶端。

SuperSonic

參考SuperSonic部署實戰。

Dataherald

https://github.com/Dataherald/dataherald
一個T2S引擎，為在關系數據庫上的企業級問答而構建。

功能：

• 允許業務用戶從數據倉庫中獲得結果，而無需通過數據分析師；
• 在SaaS應用程序中啟用來自生產數據庫的Q+A
• 創建ChatGPT插件

包含四大模塊：引擎、管理控制臺、企業后端和Slackbot。其中，核心引擎模塊包含了LLM代理、向量存儲和數據庫連接器等關鍵組件。模塊化設計，將不同的功能模塊封裝成獨立的類和方法，便于代碼維護和擴展，可輕松地集成新的工具和功能。

database-build

https://github.com/supabase-community/database-build
一個基于WASM的瀏覽器內PostgreSQL沙盒，帶有AI輔助功能。它讓用戶可以直接在網頁瀏覽器中操作PostgreSQL，而無需在本地安裝或設置數據庫。

DuckDB-NSQL

https://github.com/NumbersStationAI/DuckDB-NSQL

一個由MontherDuck和Numbers Station為DuckDB SQL分析任務構建的T2S LLM。可以幫助用戶利用DuckDB的全部功能及其分析潛力，而不需要在DuckDB文檔和SQL shell之間來回切換。

EZQL

https://github.com/outerbase/ezql

開發商Outerbase已被Cloudflare收購。

付費/閉源

DataGrip

新版本能力：

• 使用自然語言請求查詢和信息
• 解釋復雜的SQL，例如存儲過程
• 優化架構和SQL
• 比較兩個數據庫對象的DDL
• 修復SQL錯誤
• 格式化和重寫SQL

觀遠

核心亮點：

• 知識庫冷啟動：快速構建精準問數體系

基于企業現有BI資產（儀表板、卡片、數據集等），觀遠ChatBI實現低門檻知識遷移與快速激活：
? 多源數據無縫接入：支持40+數據庫連接與文件類數據抽取，未來可擴展直連模式，確保數據來源的全面性與實時性，為問數場景提供堅實的數據底座。
? 業務知識高效萃取：自動從既有BI資產中提取業務邏輯與問答知識（如指標定義、分析維度關聯），加速知識庫初始化過程，避免從零開始的資源浪費。
? 問答準確率閉環檢測：上線前對主題進行自動化問答測試，確保準確率達90%+，通過“測試-優化-再測試”機制，保障問數結果的精準性與業務貼合度。

• 多端交互體驗：打破時空限制的智能問數

觀遠ChatBI深度適配PC端、移動端、OA系統（如飛書），構建全場景智能交互體系：
? 多端協同問數：業務人員可在辦公桌面、移動終端隨時隨地發起數據查詢，即時獲取可視化分析結果，實現“數據隨需而至”。
? OA集成深化場景：對接企業級協作平臺機器人（如飛書機器人），在日常辦公流中直接嵌入數據問答能力，提升辦公效率。
? 交互動作立體化：支持問答結果的收藏、點贊/踩、SQL復制與導出等操作，便于業務人員對優質分析內容進行沉淀復用，同時通過用戶反饋優化模型，形成“問數-反饋-迭代”的正向循環。

• 知識庫自迭代：打造個性化企業知識生態

通過知識自動沉淀、智能自檢、個性化學習，觀遠ChatBI構建可持續進化的企業級知識庫：
? 知識自動錄入：從歷史對話、用戶行為中挖掘新知識，提示用戶將其納入知識庫，實現業務知識的動態積累，避免人工維護的繁瑣與遺漏。
? 知識智能自檢：定期對知識庫進行沖突檢查與近似檢查，提醒用戶合并或更新知識，確保知識庫的純凈度與一致性。
? 個性化學習引擎：引入用戶行為數據，為不同角色建立個人知識庫，提供精細化問題推薦與指標口徑確認，實現“千人千面”的智能分析體驗。

SQLAI.ai

官網，劃分為多個SQL生成器，每個都服務于特定的目的：

• Explain SQL Queries：解釋SQL查詢，提供帶摘要、輸出可視化和詳細查詢分解的解釋；
• Format SQL Query：格式化SQL查詢，以提高可讀性并減少出錯的可能性；
• Analyze Your Data：允許上傳CSV數據并向AI提問；
• Generate SQL Query：
• Fix SQL Queries：
• Optimize SQL Query：

推薦閱讀

• NL2SQL