想象一下，您是一名业务分析师，试图了解贵公司上季度销售额下降的原因。您用一个简单的自然语言问题查询数据库：“为什么上季度销售额下降？”理想的场景是人工智能系统立即为您提供上下文丰富、富有洞察力的答案——将所有相关数据点、趋势和市场洞察联系在一起。然而，现实远非理想。

目前用于查询数据库的人工智能方法，例如 Text2SQL 和检索增强生成 (RAG)，都存在明显不足。这些模型受到其设计的限制，要么仅将自然语言解释为 SQL 查询，要么依赖于无法捕获现实问题的复杂性的简单查找。

为什么这很重要？自从 LLM 开始成为人们关注的焦点以来，使用自然语言查询 SQL 数据库已成为新常态！当今的企业淹没在数据之中，但又渴望洞察力。现有方法无法有效利用人工智能的语义推理和数据库的计算能力，这是数据生成的主要瓶颈……