Text2SQL落地：语义、安全与评测框架
AI 总结
这篇掘金 AI 教程认为，Text2SQL 的主要障碍并非 SQL 语法，而是指标定义、时间口径、Schema 规模和多表关联等语义问题。文章提出包含 Schema 裁剪、语义层注入、少样本示例、SQL 生成、校验执行和结果表达的六阶段链路，并强调只读账号、表级白名单、行数与超时限制、静态 SQL 校验四道安全闸。评测方面，它主张比较执行结果而非 SQL 字符串。
深度见解
该教程为 Text2SQL 落地提供了完整工程思路，说明业务元数据、权限控制和执行结果评测比单纯更换模型更关键。
假设你的数据库有几十张表。用户问："上个月华东区的退款率是多少？"
模型生成的 SQL 语法完全正确、能跑通、能返回一个数字。但数字和 BI 系统里对不上。
排查发现：
- 它把"退款率"算成了"退款订单数 ÷ 总订单数"，而业务定义是"退款金额 ÷ 成交金额"；
- "上个月"按自然月算，而业务口径是按结算周期。
这就是 Text2SQL 的真实困境：语法从来不是瓶颈，语义才是。
第一部分：五个真实难点
1.1 难点一：Schema 太大
几十张表、几百个字段，不可能全部塞进上下文。