SQL-of-Thought: Texto a SQL Multiagente con Corrección de Errores Guiada
SQL-of-Thought: Multi-agentic Text-to-SQL with Guided Error Correction
August 30, 2025
Autores: Saumya Chaturvedi, Aman Chadha, Laurent Bindschaedler
cs.AI
Resumen
La conversión de consultas en lenguaje natural a consultas SQL es un desafío crucial tanto en la industria como en la academia, con el objetivo de aumentar el acceso a bases de datos y aplicaciones a gran escala. Este trabajo examina cómo el aprendizaje en contexto y la cadena de pensamiento pueden ser utilizados para desarrollar una solución robusta para sistemas de texto a SQL. Proponemos SQL-of-Thought: un marco de trabajo multiagente que descompone la tarea de Text2SQL en vinculación de esquemas, identificación de subproblemas, generación de planes de consulta, generación de SQL y un ciclo de corrección guiada. A diferencia de sistemas previos que dependen únicamente de corrección estática basada en ejecución, introducimos una modificación dinámica de errores guiada por taxonomías e informada por aprendizaje en contexto. SQL-of-Thought logra resultados de vanguardia en el conjunto de datos Spider y sus variantes, combinando una taxonomía de errores guiada con planificación de consultas basada en razonamiento.
English
Converting natural language queries into SQL queries is a crucial challenge
in both industry and academia, aiming to increase access to databases and
large-scale applications. This work examines how in-context learning and
chain-of-thought can be utilized to develop a robust solution for text-to-SQL
systems. We propose SQL-of-Thought: a multi-agent framework that decomposes the
Text2SQL task into schema linking, subproblem identification, query plan
generation, SQL generation, and a guided correction loop. Unlike prior systems
that rely only on execution-based static correction, we introduce
taxonomy-guided dynamic error modification informed by in-context learning.
SQL-of-Thought achieves state-of-the-art results on the Spider dataset and its
variants, combining guided error taxonomy with reasoning-based query planning.