Agentic Jackal：面向 Text-to-JQL 的实时执行与语义价值落地

本文针对自然语言转 Jira 查询语言（JQL）中的歧义解析难题，提出了首个基于实时执行的大规模基准 Jackal。为解决单遍模型无法验证动态数据的问题，作者设计了 Agentic Jackal 智能体，集成 Jira MCP 服务器实现实时查询执行，并利用 JiraAnchor 工具通过嵌入相似度搜索解析分类值。实验表明，该代理方法显著提升了多个前沿模型的执行准确率，特别是在处理复杂语义歧义方面效果显著，揭示了当前技术的主要失败模式并开源了相关资源。