关键前提：

1、如何理解表和字段；
2、如何把自然语言转化为正确的sql：含正确的表、where条件、结果字段等。
3、复杂sql的处理：可使用预定义的提示词+sql模板。
4、支持自定义注释。

效果的影响因素：

1. 表和列注释的丰富程度：每张表及表中的列都添加注释，会提高查询的准确率。
2. 用户问题与表中列注释的匹配程度：用户问题中的关键词和列注释保 持一致，语义上越接近，查询效果越好。
3. 生成的SQL语句长度：SQL语句中涉及的列越少、条件越简单，查询 会越准确。
4. SQL语句中的逻辑复杂程度：SQL语句中涉及的高级语法越少，查询越准确。

参考

https://help.aliyun.com/zh/polardb/polardb-for-mysql/user-guide/llm-based-nl2sql 自然语言到SQL语言转义（基于大语言模型的NL2SQL）
https://www.cnblogs.com/ting1/p/18145360

https://github.com/eosphoros-ai/DB-GPT