Text-to-SQL 只是中间一截，不是整套软件

Text-to-SQL 的学术定义很窄：自然语言问题 → 可执行 SQL。Awesome-Text2SQL 开篇就是这句。评测集也按这个切：给问题、给库结构，收一条语句，比执行结果。

做软件时，这个定义不够用。业务问「华东为什么掉了」，需要的是分析链：先给出本期和对照期的数，再按省拆，再看品类，每一步都可能换表、换口径。BIRD 论文自己也说：只在「小库、干净值、没有外部知识」上把执行准确率做高，回答不了「能不能当数据库接口」。他们给的 GPT-4 数字是：带知识证据时测试集执行准确率 54.89%，人类 92.96%。差距在脏值、知识和效率，不在会不会写 SELECT。

所以方案里要把 Text-to-SQL 收成一个模块，上下游还要有：

• 上游：意图是否属于问数；时间/指标/筛选是否齐；该不该澄清。
• 中游：结构链接、语义层编译、只读执行、报错回写。
• 下游：表格/图/口径名；追问继承过滤；审计。

Spider 2.0 把企业现实写得更狠：平均约 812 列、方言、嵌套转换、外部文档。即便 Spider 1.0 上已经有 90%+ 的执行准确率，lite 设置里最强解析器也只能做对约 5.7%。这说明「整套软件」必须包含文档、方言和多步工作流，不能只买一个翻译器。

出处

• Awesome-Text2SQL README.zh.md
• Li et al., Can LLM Already Serve as A Database Interface? BIRD, arXiv:2305.03111
• Lei et al., Spider 2.0, arXiv:2411.07763