腾讯天穹DataAgent以真实引擎执行校验构建企业Text-to-SQL分析闭环

企业级Text-to-SQL的难点不在生成SQL本身，而在真实数仓的复杂性：单个库往往有上百张表、元数据不全、分析链路复杂，模型一次生成很难给出可交付的正确查询。腾讯天穹DataAgent团队据此以Agent Harness工程化方法把整个分析过程组织成可自我校验、自我修正的闭环：先通过数据画像与渐进式Schema Linking，从上百张候选表中精准定位目标库表；再采用SQL负责取数、Python负责计算的混合计算模式，兼顾取数效率与计算灵活性；每一步生成都交给真实引擎执行校验，错误实时回传修正，持续逼近正确答案。团队披露该系统近日以76.23%的准确率登上企业级Text-to-SQL权威评测Spider 2.0-Lite公开榜单首位，超越Snowflake、Oracle等国际厂商方案；参评系统与线上服务版本完全一致，由hy3、GLM、DeepSeek等开源模型驱动，可支持私有化部署。未披露分模块消融数据与人工介入环节的细节；其成绩的可信度建立在榜单公开评测与参评版本同线上一致这两个条件上，把校验放在真实引擎而非模型自评是该路线区别于一般Text-to-SQL工程的关键。