怎么提升自然语言转 SQL 的准确性？

在表结构比较复杂、字段较多的时候总是容易漏字段，目前的方案是加一层模板匹配，预先设计好一部分模板，然后先和模板做一次相似度匹配，找到相似度较高的模板，再在模板的基础上让 LLM 去修改 where 条件。

目前的问题有 2 个：

1. 匹配到的模板不准确，比如我问一个 a 业务有关的问题，然后相似度匹配到了一个意思相近的 b 业务上，这个时候 LLM 就很难基于 b 业务的模板去生成正确的 sql，有时候甚至语法上都会出问题。
2. 老是漏条件，比如我已经指明了要查询『已解决』的记录，LLM 总是会漏掉这种查询条件，但是系统明明已经在组装提示词的时候把表结构给他了。

---

原文链接：[点击查看](https://www.v2ex.com/t/1232853)