SQL-of-Thought: Generazione Multi-Agentica di Text-to-SQL con Correzione Guidata degli Errori

SQL-of-Thought: Multi-agentic Text-to-SQL with Guided Error Correction

August 30, 2025

Autori: Saumya Chaturvedi, Aman Chadha, Laurent Bindschaedler

cs.AI

Abstract

La conversione di query in linguaggio naturale in query SQL rappresenta una sfida cruciale sia in ambito industriale che accademico, con l'obiettivo di aumentare l'accessibilità ai database e alle applicazioni su larga scala. Questo lavoro esamina come l'apprendimento in contesto (in-context learning) e il ragionamento a catena (chain-of-thought) possano essere utilizzati per sviluppare una soluzione robusta per i sistemi di conversione testo-SQL. Proponiamo SQL-of-Thought: un framework multi-agente che scompone il compito Text2SQL in collegamento dello schema, identificazione dei sottoproblemi, generazione del piano di query, generazione SQL e un ciclo di correzione guidata. A differenza dei sistemi precedenti che si basano esclusivamente su correzioni statiche basate sull'esecuzione, introduciamo una modifica dinamica degli errori guidata da una tassonomia e informata dall'apprendimento in contesto. SQL-of-Thought raggiunge risultati all'avanguardia sul dataset Spider e sulle sue varianti, combinando una tassonomia degli errori guidata con una pianificazione delle query basata sul ragionamento.

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.