SQL 查询引擎：面向自然语言到 PostgreSQL 翻译的自愈 LLM 管道

我们提出了 SQL Query Engine，一个开源、自托管服务，通过两个阶段的 LLM 管道将自然语言问题翻译为经过验证的 PostgreSQL 查询。第一阶段执行自动模式探测和 SQL 生成；多策略响应解析器从任何 LLM 输出格式（JSON、代码块或原始文本）中提取 SQL，而无需结构化输出 API。第二阶段将查询执行到 PostgreSQL，若失败或返回空结果，则进入迭代自愈循环，LLM 利用完整的 SQLSTATE 代码和 PostgreSQL 诊断消息进行诊断。两种机制防止回归：早期接受返回成功查询即可无需 LLM 重新评估，最佳结果跟踪在重试过程中保留最佳中间结果。模式上下文在 Redis 会话中缓存，进度事件通过 Redis Pub/Sub 和 SSE 流式传输，OpenAI 兼容的 /v1/chat/completions 端点让现有工具无需修改即可工作。所有数据库连接在驱动层面均为只读。我们在包含 75 个问题、三个数据库的合成基准测试中评估了该服务，其中自愈循环带来最高可达 9.3 个百分点的准确率提升，在最佳模型（Llama 4 Scout 17B，57.3%）上实现零回归；在 BIRD（437 个问题、11 个数据库从 SQLite 迁移到 PostgreSQL）上，完整管道达到 49.0% 执行准确率（GPT-OSS-120B，+4.6pp）。源码：https://github.com/codeadeel/sqlqueryengine。