NL2SQL架构设计

比赛相关介绍参见 《2025年羊城工匠杯nl2sql比赛介绍》。

开发环境配置参见《nl2sql2025开发环境配置》

本文介绍参赛项目的架构设计内容。

打开start.sh文件，功能包括数据准备和批量执行

数据准备阶段流程图

主要源代码介绍：

src/vector/excel2sql.py : excel文件 data/表结构.xlsx 转为包含 sqlite建表ddl 的json文件，写入 ./sql_output 文件夹

src/vector/question2table.py ：建立库表与问题模板库关联，生成tmp_question2sql.json文件

src/vector/template2sql.py ：建立库表与问题模板库关联，生成tmp_question2sql.json文件

src/vector/sql_markdown.py ：对./sql_output 文件夹打问题模板标记

src/vector/sqls_embedding.py ：调用嵌入模型，生成tmp_embedding_waiting.txt 待向量化的文件

src/vector/vector2chroma.py ：读取tmp_embedding_waiting.txt 写入chroma向量数据库

批量NL2SQL执行流程图

主要源代码介绍：

src/multi_extraction.py : 主程序入口，支持多线程启动，逐行读取 data/questions.jsonl，生成result/part[序号]_results.jsonl

src/query/get_sql_answer.py : 根据Qustion得到匹配度最高库表

src/query/query_sql.py : 根据table_name找到sql_output下面对应的建表语句

src/query/query_table.py : 根据question找到到tmp_quesiton2.sql.json 找到对应的table

src/query/build_extra_hint.py : 根据Question生成特殊提示词

src/query/extract_tables.py : 提取SQL里面的库表

src/query/hit_keywords.py : 根据问题与向量搜索问题集的关键字匹配数组

src/query/query_reranker.py : question和documents的调用reranker模型排序

src/query/query_vector.py ： 根据text查找向量库中相似度TOP5记录 （需要用到embedding模型）

src/query/data_reranker.py : 根据tmp_embedding.txt的 query和documents 找到匹配度最高的段落（需要用到reranker模型）

【本文结束】