摘要

本文介绍了一种名为Lucy的新型文本到SQL框架，旨在解决大型企业数据库中复杂关系的问题。Lucy结合了大型语言模型（LLM）的理解能力和自动化推理技术，以处理数据库中的复杂约束。该框架在零样本文本到SQL的复杂基准测试中表现优于现有技术。论文详细分析了LLM在处理大型工业数据库时面临的挑战，并提出了有效的解决方案，展示了Lucy在多个标准基准测试中的显著性能提升。

原理

Lucy框架的核心思想是将LLM的理解能力与自动化推理技术相结合，以处理复杂的文本到SQL转换问题。具体来说，Lucy通过以下三个主要步骤工作：首先，接收用户的问题并识别目标数据库中的相关对象及其属性；其次，使用自动化推理器根据数据库模式定义的关系约束构建一个视图，该视图包含回答用户问题所需的所有信息；最后，针对该视图构建查询以生成用户答案。Lucy的优势在于减轻了LLM进行复杂推理的负担，支持对复杂设计模式（如多对多、星型和雪花型）的建模和推理，并具有模块化的工作流程，便于故障调试。

流程

Lucy的工作流程包括三个主要阶段：

1. 匹配表（MatchTables）：识别与用户问题相关的表及其属性。
2. 生成视图（GenerateView）：根据数据库约束构建一个包含所有必要信息的视图。
3. 查询视图（QueryView）：针对生成的视图构建SQL查询以回答用户问题。 例如，对于问题“列出使用名称以‘dev’开头的数据中心的用户。输出用户和数据中心名称”，Lucy首先识别出相关的表（如Client和Datacenter），然后构建一个视图，最后生成并执行SQL查询以获取结果。

应用

Lucy框架适用于需要处理大型工业数据库中复杂关系的场景，特别是在零样本文本到SQL转换任务中表现出色。其应用前景广泛，包括但不限于企业数据分析、客户服务自动化、数据查询辅助工具等。随着技术的进一步发展和优化，Lucy有望在更多领域发挥其强大的数据处理能力。