AgentNLQ：面向自然语言到SQL的通用智能体

由于关系数据库在广泛的实际问题中无处不在的重要性，自然语言到SQL（NL2SQL）转换对研究人员和企业都是一个重要问题。尽管LLM能力快速进步，NL2SQL在准确率上尚未达到与人类专家SQL编写者相当的水平，因此NL2SQL算法仍需进一步改进。本研究提出一种新的NL2SQL多智能体方法，在BIg Bench for LaRge-scale Database（BIRD）基准上取得78.1%的语义准确率。我们的方法利用用户所给模式（schema）的语义增强表示，加入用户提供的业务规则，并生成准确的SQL查询。本研究的主要贡献是：(a) 我们在多智能体方案中设计了一个优化的新编排器，利用LLM进行规划、编排、反思和自我纠错以生成准确的SQL查询；(b) 我们开发了一种先进的模式增强方法，创建上下文感知的元数据以提升准确率；(c) 我们通过在BIRD-SQL基准上的评估，展示了该方法在不同领域和数据集上的准确性与泛化能力。