为数据代理装备部落知识

自然语言到SQL（NL2SQL）翻译使非专家用户能够通过自然语言查询关系数据库。近年来，借助大语言模型（LLMs）的推理能力，NL2SQL代理在该任务上取得了显著进展。然而，面对大规模真实世界数据库时，这些代理仍会因缺乏正确利用底层数据的知识（如各列意图）而产生错误。先前的研究尝试生成关于数据库的事实以提供更多信息，但未能解决代理的误解问题。本文提出Tk-Boost框架，通过“部落知识”增强任何NL2SQL代理，即基于使用数据库的经验积累的、用于纠正代理误解的知识。Tk-Boost首先让代理回答一些查询，分析其错误以识别误解，并生成针对性知识。为实现精准检索，Tk-Boost用适用条件索引这些知识。在回答新查询时，Tk-Boost利用这些知识向代理反馈，从而在SQL生成过程中纠正误解，提高准确性。实验表明，在Spider 2.0和BIRD基准测试中，Tk-Boost分别提升了16.9%和13.7%的准确率。