Автоматизация синтеза кода нативных функций баз данных с использованием больших языковых моделей

Automating Database-Native Function Code Synthesis with LLMs

April 2, 2026

Авторы: Wei Zhou, Xuanhe Zhou, Qikang He, Guoliang Li, Bingsheng He, Quanqing Xu, Fan Wu

cs.AI

Аннотация

Системы баз данных включают в свои ядра все большее количество функций (так называемых нативных функций базы данных) для сценариев, таких как поддержка новых приложений и миграция бизнес-логики. Этот рост вызывает острую потребность в автоматическом синтезе нативных функций баз данных. Хотя последние достижения в генерации кода на основе LLM (например, Claude Code) показывают многообещающие результаты, они слишком универсальны для разработки, специфичной для баз данных. Они часто генерируют недостоверную информацию или упускают критически важный контекст, поскольку синтез функций базы данных по своей природе сложен и подвержен ошибкам: синтез одной функции может включать регистрацию нескольких функциональных модулей, связывание внутренних ссылок и корректную реализацию логики. Для решения этой проблемы мы предлагаем DBCooker — систему на основе LLM для автоматического синтеза нативных функций баз данных. Она состоит из трех компонентов. Во-первых, модуль характеристики функций агрегирует декларации из множества источников, идентифицирует функциональные модули, требующие специализированного кодирования, и отслеживает межмодульные зависимости. Во-вторых, мы разработали операции для решения основных проблем синтеза: (1) генератор плана кодирования на основе псевдокода, который строит структурированные каркасы реализации, выявляя ключевые элементы, такие как повторно используемые ссылочные функции; (2) гибридная модель заполнения пропусков, управляемая вероятностными априорными данными и осведомленностью о компонентах, для интеграции основной логики с повторно используемыми процедурами; и (3) трехуровневая прогрессивная валидация, включающая проверку синтаксиса, соответствие стандартам и семантическую верификацию под руководством LLM. Наконец, адаптивная стратегия оркестрации объединяет эти операции с существующими инструментами и динамически выстраивает их последовательность на основе истории оркестрации схожих функций. Результаты показывают, что DBCooker превосходит другие методы на SQLite, PostgreSQL и DuckDB (в среднем на 34,55% выше точность) и способен синтезировать новые функции, отсутствующие в последней версии SQLite (v3.50).

English

Database systems incorporate an ever-growing number of functions in their kernels (a.k.a., database native functions) for scenarios like new application support and business migration. This growth causes an urgent demand for automatic database native function synthesis. While recent advances in LLM-based code generation (e.g., Claude Code) show promise, they are too generic for database-specific development. They often hallucinate or overlook critical context because database function synthesis is inherently complex and error-prone, where synthesizing a single function may involve registering multiple function units, linking internal references, and implementing logic correctly. To this end, we propose DBCooker, an LLM-based system for automatically synthesizing database native functions. It consists of three components. First, the function characterization module aggregates multi-source declarations, identifies function units that require specialized coding, and traces cross-unit dependencies. Second, we design operations to address the main synthesis challenges: (1) a pseudo-code-based coding plan generator that constructs structured implementation skeletons by identifying key elements such as reusable referenced functions; (2) a hybrid fill-in-the-blank model guided by probabilistic priors and component awareness to integrate core logic with reusable routines; and (3) three-level progressive validation, including syntax checking, standards compliance, and LLM-guided semantic verification. Finally, an adaptive orchestration strategy unifies these operations with existing tools and dynamically sequences them via the orchestration history of similar functions. Results show that DBCooker outperforms other methods on SQLite, PostgreSQL, and DuckDB (34.55% higher accuracy on average), and can synthesize new functions absent in the latest SQLite (v3.50).