編輯 | 云昭
出品 | 51CTO技術棧（微信號：blog51cto）
在過去幾年，Text-to-SQL 被視為“讓普通人和數據庫對話”的關鍵技術。它的理想狀態是：用戶輸入一句話，系統就能自動生成正確的SQL查詢語句，從而訪問數據庫中想要的信息。
然而現實并不理想。傳統方法要么依賴大量人工標注數據，要么在面對「寬表」（列很多的數據庫表）時性能急劇下降。而即使是最新的大語言模型（LLMs），也常常只是“一次性”生成完整SQL，缺乏逐步推理的過程，出錯率高、解釋性差。
近日，北京大學與作業幫團隊在國際頂會CIKM2025上提出了一種“Interactive-T2S”框架，正是針對這些痛點提出的全新解決方案。它讓大模型不再“閉門造車”，而是主動與數據庫多輪交互、邊查邊想、邊生成SQL。
話不多說，這就帶大家學習一下。
本論文由北京大學與作業幫教育科技（北京）有限公司聯合研發，核心團隊長期深耕自然語言處理與數據庫交互領域，聚焦大語言模型（LLMs）在結構化數據查詢中的落地痛點。對比傳統工作中將大型語言模型（LLM）看作一個一次性生成完整SQL代碼的翻譯器，本文將其塑造成一個能夠與數據庫進行多輪、迭代式交互的智能代理（Agent）。這個代理通過一系列“思考-行動-觀察”的循環，逐步分解問題、搜集信息、構建并最終執行SQL查詢，從而有效解決了現有方法在處理復雜、寬表（列數非常多）數據庫時的低效率和資源限制問題。
論文核心信息——
論文標題：
Interactive-T2S: Multi-Turn Interactions for Text-to-SQL with Large Language Models
作者團隊：
Guanming Xiong（北京大學）, Junwei Bao*（作業幫）, Hongfei Jiang（作業幫）, Yang Song（作業幫）, Wen Zhao（北京大學）（* 為通訊作者）
所屬單位：
Peking University; Zuoyebang Education Technology (Beijing), Co., Ltd.
論文鏈接：
https://arxiv.org/abs/2408.11062v1
CIKM 論文主頁：
https://arxiv.org/pdf/2408.11062（注：arxiv版本）
一、Text-to-SQL 技術的核心價值與現實挑戰
Text-to-SQL 技術作為自然語言與數據庫交互的 “橋梁”，能將普通用戶的自然語言問題（如 “列出參與足球活動的男性教授姓名”）自動轉化為可執行的 SQL 查詢，無需用戶掌握專業 SQL 語法。這一技術在大數據時代極具實用價值：在企業辦公場景中，市場人員可直接查詢銷售數據表獲取區域業績；在智能教育領域，學生能通過自然語言提問調取題庫知識點關聯數據；在政務服務中，市民可快速查詢社保、公積金等公開信息。
然而，現有基于LLMs 的 Text-to-SQL 方法仍面臨三大關鍵挑戰，制約其大規模落地：
（1）寬表處理效率低下：傳統方法需將表中所有列信息輸入LLM 進行 schema 鏈接，當表中列數過多（即 “寬表”）時，會占用大量 LLM 上下文窗口資源，導致查詢延遲升高、成本增加，且難以定位實時更新的單元格值。
（2）低資源場景適配性差：多數方法依賴大量標注的“自然語言 - SQL” 配對數據選擇示例（Exemplars），但低資源場景下標注數據稀缺，且用戶查詢往往與訓練數據分布不一致，導致模型泛化能力驟降。
（3）交互過程缺乏可解釋性：現有交互式方法要么直接生成完整SQL、跳過中間推理步驟，要么工具設計冗余（如將基礎 SQL 功能拆分為多個專用工具），既無法追溯 SQL 生成邏輯，也難以高效適配不同數據庫場景。
二、Interactive-T2S 框架：以多輪交互與工具鏈破解核心痛點
針對上述挑戰，研究團隊提出Interactive-T2S 框架，將 LLM 視為 “智能查詢代理”，數據庫視為 “數據環境”，通過 “思考-行動-觀察” 的多輪交互邏輯，結合 4 個通用工具實現 SQL 的分步生成與驗證，同時僅需 2 個標注示例即可實現少樣本學習。
1. 四大核心工具：精準定位信息，降低 LLM 推理負擔
框架將SQL 生成拆解為 “找列找值 - 表關聯 - 執行驗證” 三步，對應設計 4 個工具，避免 LLM 直接處理海量冗余信息：
（1）SearchColumn（語義找列）：根據自然語言問題的語義（如 “男性教授”“姓名”），對數據庫列名、描述進行向量化處理，按相似度排序返回相關列，并附帶列的統計特征（文本列返回示例值、數值列返回最值）。例如查詢 “教授姓名” 時，可精準定位到Faculty.Fname（名）與Faculty.Lname（姓），而非無關的Student表列。
（2）SearchValue（模糊找值）：基于 BM25 算法在數據庫中搜索目標單元格值（如 “足球活動”），支持指定表 / 列縮小范圍，解決實時更新數據的定位問題。例如輸入 “Soccer activity”，可返回Activity表name列中的“Soccer” 值，無需依賴靜態標注數據。
（3）FindShortestPath（表關聯找路徑）：將數據庫 schema 視為 “無向圖”（列為節點，外鍵約束為邊），計算兩列間最短關聯路徑， decouple 表關聯邏輯與 LLM 語義推理。例如需關聯 “教授表” 與 “活動表” 時，自動返回Faculty.FacID ? Faculty_Participates_in.FacID ? Faculty_Participates_in.actid ? Activity.actid的路徑，避免LLM 因多表關聯復雜而出錯。
（4）ExecuteSQL（實時執行驗證）：支持直接執行生成的 SQL 并返回結果，為 LLM 提供反饋以修正錯誤。例如執行 “查詢足球活動男性教授” 的 SQL 后，若結果為空，LLM 可回溯調整列篩選條件。
2. 多輪交互邏輯：分步可解釋，少樣本易學習
Interactive-T2S 遵循 “問題拆解→信息定位→表關聯→SQL 執行” 的統一交互流程，每一步均需 LLM 輸出 “思考過程 + 工具行動”，確保生成邏輯可追溯：
問題拆解與信息定位：LLM 先將自然語言問題拆分為 “需找的列”“需找的值”（如 “足球活動” 對應值、“男性教授” 對應列），調用 SearchValue 與 SearchColumn 獲取精準信息；
表關聯路徑計算：區分SQL 中 “需選擇的列”（如教授姓名）與 “需過濾的列”（如活動名稱），調用 FindShortestPath 確定表間關聯方式；
SQL 生成與執行：基于前兩步結果構建 SQL，調用 ExecuteSQL 執行并驗證結果，若符合預期則標記 “Done” 結束交互。
同時，框架僅需提供2 個含完整交互過程的標注示例（如 “查詢參與足球活動的師生姓名”“查詢某大學數據庫領域高被引作者”），即可通過上下文學習引導 LLM 完成新任務，大幅降低對標注數據的依賴。
三、實驗驗證：多數據集突破SOTA，效率與效果雙優
研究團隊在Spider（通用 Text-to-SQL 基準）、BIRD（復雜數據庫基準）及其變體數據集（如含領域知識的 Spider-DK、去噪后的 BIRD-FinC）上開展實驗，重點驗證 “無先驗知識”（不依賴額外外部信息）場景下的性能，結果如下：
1. 復雜數據集性能領先
在BIRD-Dev（無先知知識）數據集上，Interactive-T2S 的執行準確率（EX）達 54.56%，較當前最優方法 ExSL（51.69%）提升 2.87 個百分點；在金融領域去噪數據集 BIRD-FinC 上，其 EX 值（49.06%）顯著高于 Zero-shot（31.13%）與 DIN-SQL（47.17%），證明對復雜、噪聲數據的適配能力。
2. 寬表處理效率倍增
以DIN-SQL 為對比基準，Interactive-T2S 在 Spider-Dev 與 BIRD-Dev 上的 prompt token 消耗僅為前者的 36%（4.6k vs 12.8k）與 22%（4.7k vs 21.6k）。這一效率提升源于框架 “動態獲取必要信息” 的設計 —— 無需輸入全表列信息，僅通過工具調取關鍵列與值，完美適配寬表場景。
3. 少樣本泛化能力突出
在僅使用2 個示例的固定少樣本設置下，Interactive-T2S 在 Spider-Syn（同義詞干擾）、Spider-Realistic（隱式列名）等變體數據集上的 EX 值分別達 78.7%、80.7%，與依賴 6-7 個示例的 TA-SQL、SL+CC+RS 性能接近，且在跨領域場景（如 Spider-DK）中泛化能力更優，避免因數據分布差異導致的性能驟降。
4. 多表關聯場景優勢顯著
消融實驗顯示，移除FindShortestPath 工具后，在需 4 個及以上表關聯的場景中，Spider-150 與 BIRD-150 子集的 EX 值分別下降 22 個、12 個百分點。這表明該工具能有效降低 LLM 的多表關聯推理負擔，即使面對數據庫 schema 設計復雜的場景，也能穩定生成正確關聯邏輯。
四、應用價值與未來方向
Interactive-T2S 的創新設計使其在多個領域具備落地潛力：
智能教育：適配教育數據庫中“知識點 - 題庫 - 學生答題記錄” 的多表關聯場景，教師可通過自然語言查詢 “某知識點錯題率 Top3 的班級”，無需編寫復雜 SQL；
企業數據分析：處理含數百列的業務寬表（如銷售數據表），市場人員可快速查詢“某季度某區域客單價變化”，降低對數據分析師的依賴；
政務公開查詢：簡化政務數據查詢流程，市民通過“查詢某區 2024 年社保參保人數” 等自然語言提問，即可獲取精準結果。
未來，團隊將進一步優化工具的計算效率（如加速FindShortestPath 的圖搜索速度），并探索框架在多模態數據（如結合文本與表格數據的查詢）中的擴展能力，推動 Text-to-SQL 技術向更復雜的真實場景滲透。
