Text-to-SQL
Text-to-SQL是一种自然语言处理技术，旨在将用户以自然语言表达的查询意图自动转换为结构化查询语言（SQL）语句，从而使非技术用户能够直接与关系型数据库进行交互。该技术结合语义理解、数据库模式解析与语言生成能力，广泛应用于智能问答、数据分析辅助及企业数据查询系统等场景。
核心事实
时间轴 (近 90 天)
Schema 锚定（Schema Grounding）是 Text-to-SQL 中的关键步骤，指系统将自然语言中的业务术语映射到数据库实际的表、字段、主外键关系和约束上，通常借助元数据目录、字段注释和业务术语表来完成，是后续 SQL 正确性的前提。
Databricks Genie 属于 Text-to-SQL 或更广义的自然语言界面（NL2Data）技术范畴，其底层逻辑是通过大语言模型将自然语言问题翻译成结构化查询语句并在数据仓库或数据湖上执行
Genie 在技术架构上融合了「Text-to-SQL」与「Text-to-Insight」能力，将自然语言问题转化为SQL并从底层数据湖或数据仓库提取结果
自然语言数据查询工具的核心挑战在于准确理解业务语境中的歧义词汇，如同一术语在不同部门可能有不同定义
AI智能体处理数据时核心机制是将自然语言问题转化为SQL查询或API调用，这一过程称为Text-to-SQL或NL2SQL
研究表明Text-to-SQL在真实企业数据库上的准确率远低于标准化基准测试，主因之一是字段命名不规范和业务语义缺失
LLM 应用于结构化数据查询的实现路径通常是先将自然语言转译为结构化查询语句（如 SQL 或 API 调用），再由 LLM 语义化解读结果，该路径也称为 Text-to-SQL 或 NL2Query
自然语言查询（Text-to-SQL）功能引入了提示注入（Prompt Injection）和间接数据泄露等新型攻击向量
Text-to-SQL技术经历了从基于规则、到Seq2Seq模型（如IRNet）、到预训练模型微调（如BRIDGE、PICARD）、再到LLM提示工程的演进
Early Text-to-SQL systems relied on rule matching and template filling, with limited accuracy and difficulty handling complex queries
还有 1 条时间轴事件
全部知识事实 (14)
Text-to-SQL助手的核心工具链由四个Tool组成：ListTables、GetSchema、VerifyQuery和ExecuteQuery
95%待验证Early Text-to-SQL systems relied on rule matching and template filling, with limited accuracy and difficulty handling complex queries
90%待验证大模型在Text-to-SQL场景中面临幻觉问题，可能生成语法正确但表名/列名错误的SQL
90%待验证GPT-4等大模型在零样本（zero-shot）条件下即可生成高质量SQL
80%部分验证Text-to-SQL is a research direction in NLP with the core goal of automatically converting natural language questions into SQL query statements executable on relational databases
65%待验证Schema 锚定（Schema Grounding）是 Text-to-SQL 中的关键步骤，指系统将自然语言中的业务术语映射到数据库实际的表、字段、主外键关系和约束上，通常借助元数据目录、字段注释和业务术语表来完成，是后续 SQL 正确性的前提。
50%待验证Databricks Genie 属于 Text-to-SQL 或更广义的自然语言界面（NL2Data）技术范畴，其底层逻辑是通过大语言模型将自然语言问题翻译成结构化查询语句并在数据仓库或数据湖上执行
50%待验证Genie 在技术架构上融合了「Text-to-SQL」与「Text-to-Insight」能力，将自然语言问题转化为SQL并从底层数据湖或数据仓库提取结果
50%待验证自然语言数据查询工具的核心挑战在于准确理解业务语境中的歧义词汇，如同一术语在不同部门可能有不同定义
50%待验证AI智能体处理数据时核心机制是将自然语言问题转化为SQL查询或API调用，这一过程称为Text-to-SQL或NL2SQL
50%待验证研究表明Text-to-SQL在真实企业数据库上的准确率远低于标准化基准测试，主因之一是字段命名不规范和业务语义缺失
50%待验证LLM 应用于结构化数据查询的实现路径通常是先将自然语言转译为结构化查询语句（如 SQL 或 API 调用），再由 LLM 语义化解读结果，该路径也称为 Text-to-SQL 或 NL2Query
50%待验证自然语言查询（Text-to-SQL）功能引入了提示注入（Prompt Injection）和间接数据泄露等新型攻击向量
50%待验证Text-to-SQL技术经历了从基于规则、到Seq2Seq模型（如IRNet）、到预训练模型微调（如BRIDGE、PICARD）、再到LLM提示工程的演进
50%