SQL-of-Thought: Texto para SQL Multiagente com Correção de Erros 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
Resumo
Converter consultas em linguagem natural para consultas SQL é um desafio crucial tanto na indústria quanto na academia, visando aumentar o acesso a bancos de dados e aplicações em larga escala. Este trabalho examina como o aprendizado em contexto e a cadeia de pensamento podem ser utilizados para desenvolver uma solução robusta para sistemas de texto para SQL. Propomos o SQL-of-Thought: uma estrutura multiagente que decompõe a tarefa Text2SQL em vinculação de esquema, identificação de subproblemas, geração de plano de consulta, geração de SQL e um loop de correção guiada. Diferente de sistemas anteriores que dependem apenas de correção estática baseada em execução, introduzimos modificação dinâmica de erros guiada por taxonomia, informada pelo aprendizado em contexto. O SQL-of-Thought alcança resultados de ponta no conjunto de dados Spider e suas variantes, combinando taxonomia de erros guiada com planejamento de consulta baseado em raciocínio.
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.