TAHOE：基于经验自动提示优化的文本到 SQL 系统

针对大模型在 Text-to-SQL 生产部署中面临的方言适配、模式复杂及用户偏好演变等挑战，本文提出 TAHOE 系统。该系统将提示优化视为动态数据管理问题，构建错误驱动的提示学习流水线，将编译器反馈蒸馏为语法提示，执行与用户反馈转化为语义提示并存入提示库。推理时，系统检索相关提示引导逻辑规划与 SQL 合成。实验表明，TAHOE 在不更新模型参数的情况下，显著提升了 Spider 2.0-Snow 基准上的通过率及 Snowflake 语法合规性，并有效降低了反馈迭代次数。