在表结构比较复杂、字段较多的时候总是容易漏字段，目前的方案是加一层模板匹配，预先设计好一部分模板，然后先和模板做一次相似度匹配，找到相似度较高的模板，再在模板的基础上让 LLM 去修改 where 条件
目前的问题有 2 个：
匹配到的模板不准确，比如我问一个 a 业务有关的问题，然后相似度匹配到了一个意思相近的 b 业务上，这个时候 LLM 就很难基于 b 业务的模板去生成正确的 sql ，有时候甚至语法上都会出问题。
老是漏条件，比如我已经指明了要查询『已解决』的记录，LLM 总是会漏掉这种查询条件，但是系统明明已经在组装提示词的时候把表结构给他了
 |
1
fgwmlhdkkkw 1h 56m ago
让 agent 分部生成。
1：让他根据需求列出需要的表 2：让他根据需求列出需要的列 3：让他生成 sql （这里甚至可以让他主动来拆分子查询） 4：使用 sql parse 验证语法正确和 1 ，2 的共识 这样依然不能保证正确，但是概率会提示一些。 |
 |
2
lancevps 1h 54m ago
记得以前的模型可以用提示词双写来提高准确率
|
 |
3
novojo 5 mins ago
用 DBVibe ，有生成 SQL 的工具，Agent 会调用 skills ，自动连接到数据库获取模式，表结构，字段信息进行分析，能生成准确的 SQL
|
Select Language