摘要
大语言模型虽推动了 Text-to-SQL 发展，但在应对企业级数据库时仍面临模式庞大异构、元数据缺失及方言复杂等挑战。本文提出 ProSPy，一种剖析驱动的 SQL-Python 智能体框架。该框架将推理过程划分为四个阶段：通过自动剖析提取细粒度数据证据，逐步剪枝大规模模式以获取任务相关上下文，利用方言无关接口获取中间视图，最后执行灵活的 Python 下游分析。实验表明，ProSPy 在 Spider 2.0 基准上显著优于现有基线，有效平衡了模式召回率与精度，并具备强大的方言鲁棒性。
AI 推荐理由
论文核心在于构建多阶段推理流程，结合 SQL 与 Python 解决复杂企业级 Text-to-SQL 问题。
研究机构
State Key Lab of CAD&CG, Zhejiang University
School of Software Technology, Zhejiang University
Tencent TEG
School of Mathematical Sciences, Peking University
Zhejiang University
论文信息