text2ql：通过与语言无关的中间表示进行多目标自然语言查询

数据库的自然语言接口传统上受到三个结构限制：关系 SQL 的排他性目标、查询时无条件依赖 大语言模型 (LLM) 推理以及生成的查询在语义上不正确时缺乏任何运行时信号。本文介绍了 text2ql，这是一个开源 Python 框架，它通过与语言无关的中间表示 (QueryIR) 和可插入渲染器架构解决了所有三个限制。单个七阶段检测管道同时服务于 SQL 和 GraphQL 目标；零 LLM 确定性模式以 3.2 毫秒的中值延迟提供 100% 的执行精度，且无需 API 成本；每个生成的查询都带有根据加性信号模型计算得出的 [0.15, 0.97] 中的运行时置信度得分。对来自 Spider 和 BIRD 基准测试的 50 个查询随机样本进行评估（指示性结果；计划进行全套评估），LLM 支持的模式实现了 62-70% 的精确匹配和 84-91% 的执行精度；确定性模式在所有 100 个测试用例中实现了 100% 的执行准确性和零解析错误。消融研究将模式感知提示作为主要的准确度杠杆，在两个基准测试中，与无模式基线相比，精确匹配增益提高了 18.4 个百分点。 text2ql 在 Apache 2.0 许可证下可在 https://pypi.org/project/text2ql/ 上公开获取。