本文档的作者团队来自香港科技大学（广州）（Xinyu Liu, Shuyu Shen, Boyan Li, Peixian Ma, Runzhi Jiang, Nan Tang, Yuyu Luo）、中国人民大学（Yuxin Zhang, Ju Fan）和清华大学（Guoliang Li），发表期刊为 *IEEE Transactions on Knowledge and Data Engineering*，发表时间为2025年10月。这是一篇关于在大语言模型时代下文本转SQL技术（Text-to-SQL）的综述论文，题为“A Survey of Text-to-SQL in the Era of LLMs: Where Are We, and Where Are We Going?”。
本文旨在对近年来，尤其是在大型语言模型取得突破性进展的背景下，Text-to-SQL技术的研究现状、方法、挑战与未来方向进行一次全面、系统的回顾与展望。Text-to-SQL是将用户提出的自然语言查询自动转换为可执行的SQL查询语句的关键技术，对于降低数据库访问门槛、实现数据民主化、支撑商业智能和自然语言数据库接口等应用具有核心价值。随着预训练语言模型和大语言模型的崛起，Text-to-SQL的性能得到了极大提升，同时也带来了新的研究范式和挑战。因此，本文从模型、数据、评估和错误分析四个维度，构建了Text-to-SQL任务全生命周期的分析框架，旨在为研究者和从业者提供一个清晰的路线图和实践指南。
论文的主要观点及阐述如下：
1. 构建了基于大语言模型的Text-to-SQL全生命周期分析框架。 文章的核心贡献在于提出了一个系统性的综述框架，如图1所示，将Text-to-SQL的生命周期划分为四个相互关联的方面：模型、数据、评估和错误分析。在“模型”方面，重点关注LLM驱动的翻译技术，不仅处理自然语言的模糊性和不完整性，还解决其与数据库模式和实例的准确映射问题。在“数据”方面，涵盖了从训练数据收集、因数据稀缺而进行的数据合成，到现有各种基准测试集的总结。在“评估”方面，强调从多角度、使用不同指标和粒度来评估Text-to-SQL方法。在“错误分析”方面，致力于分析错误根源以指导模型演进。这个框架超越了以往仅关注单一技术层面的综述，为理解、开发和改进Text-to-SQL系统提供了整体视角。
2. 系统梳理了语言模型驱动的Text-to-SQL解决方案，特别是模块化设计趋势。 文章详细回顾了Text-to-SQL解决方案的演变历程：从早期的基于规则的阶段、基于神经网络的阶段，发展到基于预训练语言模型（PLM）的阶段，再到当前基于大语言模型（LLM）的阶段。文章指出，在LLM时代，解决方案主要分为两大类：基于上下文学习的提示工程方法，以及基于预训练/微调的专业化LLM方法。 更重要的趋势是，现代解决方案（无论是PLM还是LLM驱动）普遍采用模块化设计，将整个流程分解为预处理、翻译和后处理三大阶段，每个阶段包含多个专门模块。例如，预处理阶段包括模式链接（Schema Linking）、数据库内容检索、附加信息获取；翻译阶段包括编码策略、解码策略、特定任务提示策略和中间表示；后处理阶段包括SQL校正、输出一致性、执行引导策略和N最佳重排序策略。表I对比了不同解决方案的关键设计选择。文章还特别提及了最新的多智能体协作框架（如MAC-SQL, Chase-SQL, Alpha-SQL），这些框架将不同模块分配给专门的智能体，通过分工协作提升整体性能，代表了该领域的前沿方向。
3. 深入分析了现有Text-to-SQL基准测试集的特性与演变。 文章对支撑该领域发展的各类基准测试集进行了全面总结和深度分析。图10展示了基准测试集的时间线演进，从早期的单领域、简单查询数据集（如ATIS, GeoQuery），发展到跨领域、复杂查询数据集（如Spider），再到包含多轮对话、鲁棒性测试、SQL效率测试、知识增强、模糊性问题以及合成数据等不同侧重点的新数据集。表II则提供了详细的统计信息，从冗余度、数据库复杂度和查询复杂度三个维度量化比较了各个数据集。例如，文章指出虽然数据集数量和复杂度在增长，但与真实世界场景相比，SQL的复杂度（如嵌套查询、集合操作、标量函数和数学计算）仍有差距，鼓励社区提出更具挑战性的新基准。这种分析有助于研究者根据具体研究目标选择合适的基准，并识别现有评估体系的不足。
4. 总结了Text-to-SQL的核心挑战与评估方法。 文章将Text-to-SQL任务的内在挑战归纳为三点：不确定的自然语言查询（如词法、句法歧义和欠指定）、复杂且内容不洁的数据库（如复杂的表关系、模糊的属性值、领域特定的设计、海量脏数据）以及从“自由形式”的自然语言到“约束且正式”的SQL的翻译挑战（如一对多映射、模式依赖性）。此外，还指出了开发实际解决方案时的技术挑战，包括成本效益、模型效率、SQL效率、训练数据不足/有噪声以及可信度问题。在评估方面，文章详细介绍了执行准确度、字符串匹配准确度、组件匹配准确度、精确匹配准确度、有效效率得分、查询方差测试等核心指标。同时，还介绍了如MT-TeQL和NL2SQL360这样的高级评估工具包，它们能够通过自动生成查询/模式的变体或多角度过滤场景，对系统的鲁棒性和实际应用能力进行更全面的评估。
5. 提出了用于Text-to-SQL错误分析的两级分类法，并提供了实用的开发指导。 针对如何改进模型，文章强调了错误分析的重要性。在回顾现有错误分类法的基础上，提出了构建有效分类法的四项原则：全面性、互斥性、可扩展性和实用性。基于此，文章设计了一个两级错误分类法：第一级是错误定位（指出错的具体SQL组件，如SELECT子句）；第二级是错误原因（分析导致该错误的根本原因，如数据库内容检索失败）。文章将该分类法应用于分析DIN-SQL在Spider数据集上的错误，验证了其有效性，并鼓励社区持续完善。此外，文章提供了极具价值的实践指导。图11(a)根据数据隐私和数据量，给出了一个数据驱动的LLM优化路线图，指导开发者在开源/闭源模型、预训练/微调/少样本/零样本学习等策略间做出选择。图11(b)则是一个模块选择决策流程图，针对特定场景（如数据库模式复杂、可访问执行结果等）推荐使用相应的预处理或后处理模块，并权衡其利弊。
6. 探讨了当前LLM-based解决方案的局限性与未来的开放性问题。 文章在最后客观地指出了当前LLM-based解决方案的局限性，例如主要处理单一固定数据库、推理时代价高昂、缺乏可解释性和调试机制、对新领域适应能力有限且严重依赖高质量训练数据等。基于这些局限，文章提出了几个关键的开放性问题：首先是开放域Text-to-SQL问题，即如何处理需要跨多个数据库查询和聚合结果的真实世界问题，这涉及到数据库检索、处理异构模式、答案聚合等新挑战。其次是开发成本效益高的Text-to-SQL方法，建议探索融合LLM和PLM优势的模块化或多智能体方案，或像ElliSQL那样采用复杂度感知路由。第三是构建可信赖的Text-to-SQL解决方案，包括通过可解释AI技术、多智能体框架来提升模型决策的透明度，开发能够检测语义和语法错误的调试工具，以及设计支持复杂查询分解和迭代精化的交互式工具。最后是自适应训练数据合成，即如何根据模型表现的反馈，自动、增量地生成针对性的训练数据以覆盖更广泛的领域。
本文的意义与价值： 这篇综述论文具有重要的学术价值和实践指导意义。在学术上，它是首篇从全生命周期视角系统梳理LLM时代Text-to-SQL技术的综述，提供了一个清晰、完整的知识体系和研究框架，对领域新进入者和资深研究者都具有很高的参考价值。其提出的模块化总结、两级错误分类法、数据驱动路线图等，都是对现有文献的深化和创新性归纳。在实践上，文章不仅总结了技术方法，还深入分析了基准、评估和实际开发中的挑战与选择，为工业界开发和部署高效、可靠、低成本的Text-to-SQL系统提供了切实可行的指导原则和决策依据。文章末尾对开放问题的探讨，则精准地指出了领域未来的研究方向，激发了新的研究思路。此外，作者团队维护的在线手册（https://github.com/hkustdial/nl2sql_handbook）确保了内容的持续更新，使其成为该领域一个动态的知识中心。