LLM Agent之数据库应用设计（一）

上一章我们主要讲搜索引擎和LLM的应用设计，这一章我们来唠唠大模型和DB数据库之间的交互方案。有很多数据平台已经接入，可以先去玩玩再来看下面的实现方案，推荐

• sql translate：简单，文本到SQL，SQL到文本双向翻译，新手体验
• ai2sql：功能更全，包括语法检查，格式化等
• chat2query：可处理复杂query和实时数据
• OuterBase：加入电子表格的交互和可视化模块

本章会提到的前置知识点有Chain-of-thought，Least-to-Most Prompt，Self-Consistency Prompt，建议不熟悉的同学先看下解密Prompt系列9. 模型复杂推理-思维链基础和进阶玩法

DB Agent设计

和数据库进行交互的应用设计，主要涉及以下几个子模块

• Decomposition：把SQL生成任务，拆分成先定位表，再定位表字段，最后基于以上信息生成SQL的多个子问题，降低每一步的任务难度，和上文输入的长度
• Schema Linking：数据表较多的数据库，不能一次性把所有表schema都作为上文输入，需要先针对问题筛选相关的数据表和相关字段
• Schema description：如何描述Table和Column让模型更好理解每张表是做什么的，每个字段有哪些含义。以及在真实世界中庞大数据库中的表字段往往存在很多噪音，甚至需要领域知识，和详细字段描述才能明确每张表每个字段究竟是做什么的。
• self-correction：对SQL执行结果，或者代码本身进行自我修正，提高SQL语句准确率

下面我们分别基于C3, DIN-SQL, SQL-PALM，BIRD这四篇论文了解DB应用中可以提升SQL生成效果的各个子模块，前三篇都是基于传统的Spider数据集，BIRD则提出了全新的难