開源長程交互 SQL Agent 框架發布

單輪生成的局限

傳統 Text-to-SQL 大多把問題簡化為單輪文本生成：給定問題與靜態 Schema，讓模型一步產出最終 SQL。企業級真實業務中，動輒上百張表、數千欄位與百萬級數據的數據庫，令這種一鍵生成方式難以貼近實際。

在 Spider2.0、BIRD-Interact 與 LiveSQLBench 等長程交互基準上，傳統靜態單輪方法的表現同樣受限，難以覆蓋跨多步查詢與反覆修正的完整流程。

分析師的真實做法

資深分析師不會單輪盲猜，而是在 CLI 或 IDE 中執行 SHOW TABLES、查看表結構 DDL，再跑試探查詢（Probe Query），根據報錯反覆修正邏輯後才提交代碼。

這一過程強調上下文感知、反饋驅動與漸進推理，而非端到端黑箱生成。框架把這種工作方式轉化為系統化的 Agent 流程，令模型在每一步獲取真實數據庫的反饋，逐步逼近可用結果。

框架表現與意義

在長程交互基準測試中，該框架以 8B 模型取得超越 32B 模型的成績，顯示流程設計相比單純加大模型規模更能決定實際效果。

作為開源項目，框架面向真實數據庫場景設計，為企業級 Text-to-SQL 應用提供了可復用的工程範式，也為 Agent 與數據分析的結合提供了參考。