EntSQL基准：面向长上下文企业知识的Text-to-SQL评估

EntSQL基准正式发布，填补企业级Text-to-SQL评估空白

一项全新的企业级Text-to-SQL评估基准——EntSQL（面向长上下文企业知识的Text-to-SQL评估）——日前正式亮相。它专门测试大语言模型（LLM）在理解企业内部私有知识后生成SQL查询的能力。说白了，就是看AI能不能读懂公司内部的各种指标定义、报表习惯和组织规则，然后准确写对数据库语句。

现有基准不接地气，企业场景被忽视

看看已有的Text-to-SQL基准：Spider、BIRD、Spider 2.0，它们测的是数据库结构泛化、大规模数据处理和真实工作流。说实话，这些跟企业实际需求脱钩了。企业里写SQL，往往先得翻一堆内部文档——比如“客户活跃度”的定义是“过去30天登录超过5次”，数据库里根本没有这个字段。私有商业知识才是真正的拦路虎，可之前没有一个评估基准去碰它。

EntSQL怎么测？长上下文是关键

EntSQL把企业知识塞进长上下文里。什么意思呢？它要求模型在生成SQL前，先读一大段企业内部文档——报表规范、考核规则、业务术语表，少则几千字，多则上万字。模型得从中找到和问题相关的部分，再推理出SQL。这不正是咱们企业数据团队每天干的事吗？翻查文档，理解业务逻辑，然后写查询。EntSQL就是把这个过程标准化了。

基准设计：真实场景，私有知识

• 私有业务指标：比如“月度复购率”怎么定义，不同部门可能不同。
• 内部报告惯例：比如销售日报的统计口径是订单时间还是发货时间。
• 组织规则：比如只有经理级才能看某个数据，对应的SQL要加权限过滤。

这些细节在现有基准里完全找不到。EntSQL专门为它们设计了评估任务，测试模型能否从长篇文档中准确提取知识并推理。可以说，它逼着模型去理解企业那些“潜规则”。

对企业来说意味着什么？

其实挺直白的：如果模型在EntSQL上拿高分，说明它真能理解企业特有的业务知识，自动写SQL的可靠性就大大提升。这对很多想用AI做数据分析的公司来说，确实是个好消息。反过来说，如果连公司内部指标定义都搞不清，你敢让它直接查数据库吗？显然不敢。

一个更接地气的标尺

可以说，EntSQL把Text-to-SQL的研究拉回了现实。企业级应用不能只靠通用知识，私有知识和长上下文理解才是硬骨头。这个基准一出，开发者终于有了明确的标尺，不用再拿Spider那种通用测试去赌企业场景的效果了。