ProSPy：用于企业文本到 SQL 的分析驱动的 SQL-Python 代理框架

大语言模型 拥有相当先进的文本到 SQL 系统，但将其应用于企业级数据库仍然具有挑战性。现实世界的数据库通常包含大型且异构的模式、不完整的元数据、特定于方言的 SQL 语法以及难以使用单个 SQL 查询解决的复杂分析问题。为了应对这些挑战，我们提出了 ProSPy，一种用于企业级文本到 SQL 的分析驱动的 SQL-Python 代理框架。 ProSPy 将推理过程分为四个阶段：首先通过自动分析提取细粒度的数据证据，逐步将大型模式修剪到与任务相关的上下文中，通过与方言无关的 SQL 接口获取中间视图，最后使用 Python 执行灵活的下游分析。这种设计将大型数据库上的 SQL 效率与基于 Python 的分析的灵活性相结合，同时减少对不可靠元数据的依赖并提高跨 SQL 方言的稳健性。 Spider 2.0-Lite 和 Spider 2.0-Snow 上的实验表明，ProSPy 在开源和专有模型上始终优于强大的基线，在没有多数投票的情况下，Claude-4.5-Opus 的执行精度达到 60.15% 和 60.51%。进一步的分析表明，ProSPy 对 SQL 方言变化具有鲁棒性，并在模式召回率和精度之间实现了有利的权衡。