OmniSQL – 開源文本到 SQL 模型，自然語言轉(zhuǎn)換為 SQL 查詢語句

OmniSQL 是一款開源的自然語言到 SQL 轉(zhuǎn)換模型，能夠高效地將用戶的自然語言問題轉(zhuǎn)化為 SQL 查詢。該產(chǎn)品通過創(chuàng)新的數(shù)據(jù)合成框架，成功生成了首個規(guī)模達(dá)到百萬的文本到 SQL 數(shù)據(jù)集 SynSQL-2.5M，包含 250 萬條高質(zhì)量樣本，覆蓋超過 16,000 個跨領(lǐng)域數(shù)據(jù)庫，樣本涵蓋多種復(fù)雜程度和語言風(fēng)格。

OmniSQL是什么

OmniSQL 是一個開源模型，專注于將自然語言問題轉(zhuǎn)換為 SQL 查詢。它通過先進(jìn)的數(shù)據(jù)合成技術(shù)建立了一個名為 SynSQL-2.5M 的龐大數(shù)據(jù)集，擁有 250 萬條高質(zhì)量樣本，涵蓋了超過 16,000 個不同領(lǐng)域的數(shù)據(jù)庫。OmniSQL 提供 7B、14B 和 32B 三種不同規(guī)模的模型版本，在微調(diào)過程中融合了 Spider 和 BIRD 的高質(zhì)量標(biāo)注數(shù)據(jù)。

OmniSQL的主要功能

• 自然語言到SQL的轉(zhuǎn)換：OmniSQL 能夠理解用戶提出的自然語言問題，并將其轉(zhuǎn)換為相應(yīng)的 SQL 查詢。
• 支持多樣數(shù)據(jù)庫及復(fù)雜查詢：該模型支持多種類型的數(shù)據(jù)庫，能夠處理從簡單的單表查詢到復(fù)雜的多表連接、子查詢、函數(shù)調(diào)用及公共表表達(dá)式（CTE）等各類復(fù)雜 SQL 查詢。
• 提供思維鏈解決方案：除了生成 SQL 查詢，OmniSQL 還為每個樣本提供思維鏈解決方案，展示從理解自然語言問題到生成 SQL 查詢的邏輯推理過程，幫助用戶更好地理解模型的決策路徑，并便于開發(fā)者進(jìn)行調(diào)試與優(yōu)化。
• 多種模型選擇：OmniSQL 提供三種不同規(guī)模的模型，分別為 7B、14B 和 32B，用戶可根據(jù)實(shí)際需求和計算資源選擇最合適的版本。不同規(guī)模的模型在性能與資源消耗之間達(dá)成了平衡，較小的模型更快且資源占用更少，而較大的模型在復(fù)雜查詢場景下可能表現(xiàn)更佳。

OmniSQL的技術(shù)原理

• 數(shù)據(jù)庫自動生成：OmniSQL 能夠分析網(wǎng)絡(luò)表格，推斷業(yè)務(wù)場景，并利用大語言模型自動構(gòu)建多表關(guān)系及主外鍵約束的數(shù)據(jù)庫結(jié)構(gòu)。通過增強(qiáng)策略，增加列數(shù)和優(yōu)化結(jié)構(gòu)，使生成的數(shù)據(jù)庫更貼合實(shí)際應(yīng)用。
• 復(fù)雜度感知的SQL查詢生成：定義了四個復(fù)雜度等級，結(jié)合 SQLite 函數(shù)庫（如聚合函數(shù)和窗口函數(shù)），智能選擇復(fù)雜度等級生成合適的 SQL 查詢，以滿足用戶需求。
• 風(fēng)格化問題的反向翻譯：采用 SQL-to-Question 策略，將 SQL 查詢翻譯為 9 種語言風(fēng)格的自然語言問題，確保翻譯前后語義一致，提升自然語言與 SQL 轉(zhuǎn)換的效率與準(zhǔn)確性，以適應(yīng)不同用戶的語言習(xí)慣。
• 逐步推理的解決方案合成：通過逐步推理生成器，為樣本添加中間推導(dǎo)步驟，使模型在訓(xùn)練時不僅學(xué)習(xí)問題到 SQL 的轉(zhuǎn)換，還學(xué)習(xí)每一步的推理邏輯，從而提高推理的準(zhǔn)確性與可靠性，向用戶展示透明的推理過程，增強(qiáng)信任感。
• 大規(guī)模數(shù)據(jù)合成與訓(xùn)練：OmniSQL 基于其數(shù)據(jù)合成框架生成了大規(guī)模高質(zhì)量訓(xùn)練數(shù)據(jù)集 SynSQL-2.5M，包含超過 250 萬條樣本，覆蓋了 16,000 多個跨領(lǐng)域數(shù)據(jù)庫，這使得 OmniSQL 能夠?qū)W習(xí)不同領(lǐng)域與風(fēng)格的自然語言表達(dá)與 SQL 查詢之間的映射關(guān)系，具備更強(qiáng)的泛化能力和適應(yīng)性。

OmniSQL的項目地址

• Github倉庫：https://github.com/RUCKBReasoning/OmniSQL
• arXiv技術(shù)論文：https://arxiv.org/pdf/2503.02240

OmniSQL的應(yīng)用場景

• 企業(yè)數(shù)據(jù)分析：OmniSQL 使企業(yè)中的非技術(shù)人員能夠通過自然語言輕松查詢數(shù)據(jù)庫，獲取所需信息。
• 教育領(lǐng)域：在 SQL 教學(xué)中，OmniSQL 的鏈?zhǔn)剿伎迹–oT）解決方案幫助初學(xué)者更清晰地理解自然語言問題到 SQL 查詢的轉(zhuǎn)換過程，教師可以利用 OmniSQL 生成查詢示例，幫助學(xué)生通過實(shí)踐掌握 SQL 的概念與技巧。
• 跨領(lǐng)域適配：基于其數(shù)據(jù)合成框架，OmniSQL 能夠迅速生成特定領(lǐng)域的數(shù)據(jù)集。例如，在醫(yī)療領(lǐng)域可以生成 EHRSQL 數(shù)據(jù)集，助力醫(yī)療研究；在科研領(lǐng)域則可以生成 ScienceBenchmark 數(shù)據(jù)集，支持科研數(shù)據(jù)分析。

常見問題

• OmniSQL 是否支持多語言？ 是的，OmniSQL 能夠處理多種語言風(fēng)格的問題，并適應(yīng)不同用戶的語言習(xí)慣。
• 如何選擇合適的模型版本？ 用戶可以根據(jù)自身的計算資源和查詢復(fù)雜性選擇 7B、14B 或 32B 模型，較小的模型適合快速查詢，而較大的模型在處理復(fù)雜查詢時表現(xiàn)更佳。
• OmniSQL 在數(shù)據(jù)安全方面如何保障？ OmniSQL 在設(shè)計時充分考慮了數(shù)據(jù)隱私和安全性，確保用戶數(shù)據(jù)在處理過程中得到保護(hù)。