Text2SQL主流实现方案

目录

基于 Prompt Engineering 的方案

基于模型微调的方案

T5

模型结构

MIGA

基于RAG 的方案

参考

---

基于 Prompt Engineering 的方案

这类方案比较简单粗暴，就是通过精心设计的提示来引导 LLM 生成 SQL，一般包含下面这些做法：

1. 零样本提示：直接向 LLM 提供数据库模式和自然语言查询，直接生成 SQL。

2. 少样本提示：在提示中包含几个示例，帮助 LLM 理解任务模式。

3. 链式思考（也就是 Chain-of-Thought）：引导 LLM 逐步推理，分解复杂的 SQL 生成过程。

4. 自我纠正：让 LLM 生成 SQL 后，再让它检查和修正可能的错误。

基于模型微调的方案

这类方案是通过在特定数据集上微调预训练模型，使其更适合特定任务场景的 Text2SQL 任务：

指令微调：使用特定于任务的指令来微调 LLM。

多任