Agentic-SQL再审视：基于自主性的分类法与LLM文本转SQL经验基准分析

arXiv AI 2026年8月15日发布论文《Agentic-SQL Revisited》，重新审视LLM文本到SQL任务。研究将领域重新定义为排行榜聚合，收集作者报告的指标，并按推理自主性轴（受限、上下文、迭代、代理、推理内化）组织，提供可追溯来源。在Spider上对8B开源模型进行案例研究，对比有无链式思维监督及少样本DeepSeek V3、GLM-4基线，发现四个模式，并发布Python工具以支持后续方法添加。

该研究改变了LLM文本到SQL领域的评估方式。此前跨系统比较因异质基准和协议而脆弱，难以客观判断模型优劣。此研究提供统一的自主性轴和排行榜聚合方法，有助于更透明地比较不同系统，为产品选型和技术演进提供更可靠的参考依据。

研究将模型推理过程按自主性划分，从受限生成到外部代理编排，反映模型内部化推理能力。链式思维监督强化模型推理，尤其提升高难度查询表现。自主性提升增强鲁棒性但增加成本。排行榜聚合通过统一分类和来源追踪，使不同系统的比较标准化，减少因异质设置导致的偏差。

对产品选型和研发方向有直接影响：开发人员可利用该排行榜和工具评估开源模型，理解自主性层次对性能与成本的影响。高难度SQL任务可考虑采用链式思维监督或高自主性方案，但需权衡成本。该工具可嵌入内部评估流程，加快模型迭代。

• 基于其Python工具构建内部SQL评估流水线，针对自身数据测试同参数不同自主性配置模型，选择最优性价比。
• 利用Spider至BIRD和Spider 2.0迁移不均的发现，在跨库场景中针对高难度查询设计增强方案。
• 面向SQL开发场景，推出基于链式思维监督的开源模型服务，主打高难度查询准确率，作为差异化卖点。
• 结合自主性成本分析，在预算有限时优先选择低成本推理内化模型，降低单位查询成本。

• 该排行榜的长期维护和更新机制尚未明确。
• 自主性轴分类是否适用于除Spider外的其他复杂领域（如多表或非结构化数据）未证实。
• 链式思维监督对Hard和Extra-Hard查询的有效性是否可推广至更大规模模型。
• 推理内化的具体实现方式和稳定性未在论文中详细说明。