LLMs and SQL

https://blog.langchain.dev/llms-and-sql/

LLM生成SQL很容易

解决的问题是如果让LLM生成的SQL，是valid并且结果正确的

模拟人是如何写SQL的，本身人也是要上下文的，

那么问题就是需要什么上下文，并且如何组织

比较直觉的是，给出schema和几条真实数据的example

当然，langchain会自动生成这种context，

但是有时候，需要去hand-crafted，比如limit3的数据不具备代表性，需要更多的数据，或者limit3的数据有隐私问题需要处理

然后LLM生成的sql，怎么保证语法上是正确的，

这里会用一个工具query_checker_sql_db，去检查，如果语法有错，

可以把报错结果和原始查询发过LLM，让模型自己去纠正

We send the original query with the traceback log to the LLM and ask it to make it right

文中后面说了，两种可能的优化

一种是few-shots，给几个例子

二是，分解成subquerys，尽量把复杂查询分解成子查询，降低复杂度