标题： AgentNLQ：一种面向自然语言到SQL的通用智能体
摘要： 自然语言到SQL（NL2SQL）的转换对于研究人员和企业而言是一个重要问题，因为关系数据库在广泛的实际问题中具有普遍重要性。尽管大语言模型（LLM）的能力取得了快速进步，但NL2SQL在准确性上仍未达到人类专家SQL编写者的水平，因此需要在NL2SQL算法上做出额外改进。本研究提出了一种新的多智能体方法用于NL2SQL，该方法在大型数据库基准（BIRD）上达到了78.1%的语义准确率。我们的方法利用了用户提供的模式（schema）的语义增强表示，添加了用户提供的业务规则，并生成了准确的SQL查询。本研究的主要贡献包括：(a) 我们设计了一种优化的新编排器，用于多智能体解决方案，该方案利用LLM进行规划、编排、反思和自我修正，以生成准确的SQL查询；(b) 我们开发了一种先进的模式增强方法，通过创建上下文感知的元数据来提高准确性；(c) 我们通过在BIRD-SQL基准上的评估，展示了该方法在不同领域和数据集上的准确性和泛化能力。