Text2SQL落地难点在评测
Away-Pollution3362 · reddit · 2026-07-13
作者指出，Text2SQL 真正难的往往不是模型会不会写 SQL，而是**怎么判断结果对不对**。 他针对生产环境里的 NL2SQL / Text2SQL 提出一组关键问题： - 是否维护金标数据集；规模多大、更新频率如何 - 评测该看 **SQL 精确匹配**、**结果集等价**，还是 **人工审核** - 对低置信或歧义问题如何兜底 - 怎么捕捉“查询能跑通，但数值其实错了”的情况 - 如果用 Databricks Genie，应该在 SQL 层、结果层，还是业务意图层做评估 核心观点是：在真实企业规模下，模型本身往往不是最难的部分，**评测与可靠性**才是落地瓶颈。