YENİPublication of @aurabase/aurabase-js v0.7.5 NPM Packages & Rust Crate v0.1.2Değişiklik günlüğüne bakın →

Yerel yapay zeka · 8 dk. okuma

NL2SQL nedir ve nasıl çalışır?

Affane Daylami · Fondateur · 22 Nisan 2026

Bloga geri dön

NL2SQL (doğal dilden SQL'e, ayrıca metinden SQL'e olarak da adlandırılır), doğal dilde (Fransızca veya İngilizce) sorulan bir soruyu ilişkisel bir veritabanında yürütülebilecek bir SQL sorgusuna çeviren bir sistem ailesini ifade eder. Prensip: Bir dil modeli soruyu ve veritabanı şemasını okur, aday bir SQL üretir ve bu SQL yürütülmeden önce doğrulanır, asla körü körüne geri döndürülmez.

Bu sayfa otomatik olarak çevrildi. İngilizce versiyonu yetkilidir.

Bu fikir, mevcut ana dil modellerinden önce gelmektedir: Sorudan SQL'e çeviri sistemleri, Spider veya WikiSQL gibi referans veri kümeleriyle birlikte yıllarca süren akademik araştırmalar için mevcuttur. Son LLM'lerde değişen şey, önceden özel eğitim gerektirmeden herhangi bir diyagramda oluşturulan SQL'in kalitesidir. Bu makale, soyut bir açıklama yerine somut bir örnek olarak Aurabase'ninyerel AI doğrulanmış uygulamasıyla gerçek mekanizmayı adım adım açıklamaktadır.

Temeller

  • NL2SQL (veya metinden SQL'e), bir doğal dil sorusunu, bir LLM aracılığıyla ve ardından yürütme öncesinde bir doğrulama adımı aracılığıyla yürütülebilir bir SQL sorgusuna çevirir.
  • İşlem hattı her zaman aynı sırayı içerir: SQL'in bir modele göre oluşturulması, sözdizimsel doğrulama, gerçek şemaya göre doğrulama, yürütmenin bir satır tavanıyla sınırlandırılması.
  • Ana risk, klasik istemci tarafı SQL enjeksiyonu değil, SQL'in model, tablo veya icat edilmiş bir sütun tarafından halüsinasyonla körü körüne yürütülmesidir.
  • Ciddi bir NL2SQL motoru yalnızca SELECT sorgularını kabul eder: herhangi bir yazma girişimi (INSERT, UPDATE, DELETE, DROP) veritabanına ulaşmadan reddedilir.
  • Aurabase'nin kodla doğrulanmış NL2SQL motoru, bir sözdizimi ağacı ayrıştırıcısı (sqlparser), on SQL işlevinden oluşan bir beyaz liste ve yapılandırılabilir satır sınırı (varsayılan olarak 100, maksimum 1000) aracılığıyla oluşturulan SQL'i doğrular.
  • NL2SQL ve RAG farklı ihtiyaçları karşılar: biri için yapılandırılmış ve ilişkisel, diğeri için yapılandırılmamış içerik.
#
Tanım

NL2SQL tam olarak nedir?

NL2SQL, doğal dildeki bir sorunun ilişkisel temelde yürütülebilecek bir SQL sorgusuna otomatik olarak çevrilmesini ifade eder. Serbest metinle yanıt veren genel bir sohbet robotunun aksine, bir NL2SQL sistemi, gerçek verilere karşı çalışan ve satır satır doğrulanabilir bir sonuç döndüren yapılandırılmış bir yapı olan SQL üretir.

"Metinden SQL'e" terimi, doğal dil işleme alanındaki akademik araştırmalardan gelmektedir. “NL2SQL” ürün ve teknik dokümantasyon tarafında en çok kullanılan kısaltmadır. Her ikisi de aynı soruna işaret ediyor: Günlük dilde sorulan bir soru ile bir SQL motorunun beklediği kesin sözdizimi arasındaki boşluğu kapatmak.

NL2SQL geniş anlamda bir veritabanına bağlı bir konuşma aracısından ayrılır. Birincisi okunabilir ve denetlenebilir bir sorgu üretir; ikincisi, benzersiz ve denetlenebilir bir SQL ile sonuçlanmadan çeşitli araç çağrılarını (arama, hesaplama, yazma) zincirleyebilir. Düzgün tasarlanmış bir NL2SQL sistemi bu kasıtlı olarak kısıtlanmış kapsam dahilinde kalır: tercüme etme, doğrulama, yürütme, sonuç döndürme.

#
Mekanizma

NL2SQL boru hattı adım adım nasıl çalışır?

Güvenilir bir NL2SQL boru hattı, sağlayıcıdan bağımsız olarak her zaman aynı sırayı izler: soru bir dil modelinden geçer, ardından üretilen SQL yürütmeden önce doğrulanır, sonra değil. aura-aihizmet kodunda doğrulanan Aurabase uygulaması, bu adımların her birini soyut bir açıklama yerine somut kurallarla gösterir.

1.Soru tabanın gerçek şeması ile alınır

Sistem, doğal dilde soruyu sorgulanan veritabanının şemasıyla ilişkilendirir: tablo adları, sütunlar, türler. Bu model, arayan kişi tarafından sağlanan bir açıklamadan değil, gerçek temelin iç gözleminden gelmelidir. Müşteri tarafından bildirilen bir şemayı kabul eden bir uygulama, var olmayan tablolarla ilgili sorulara veya projeler arasındaki izolasyonun aşılmasına kapı açacaktır. Aurabase motoru, istekte gönderilen herhangi bir schema alanını sessizce yok saymak yerine açıkça reddeder (400 hata).

2. Bir Yüksek Lisans, aday bir SQL oluşturur

Dil modeli soruyu ve şemayı kendi komut isteminde alır, ardından kısa bir açıklamayla birlikte aday bir SQL sorgusu üretir. Aurabase üç sağlayıcıya özel bir yerel istemciyle eşit davranır: OpenAI, Anthropic (Claude) ve Gemini. Bu aday SQL, bu aşamada yalnızca bir tekliftir ve asla doğrudan yürütülmez.

3. Aday SQL, yürütmeden önce değil, yürütmeden önce doğrulanır

Bu, ciddi bir NL2SQL sistemini basit bir LLM çağrısından ve ardından saf bir uygulamadan ayıran adımdır. Oluşturulan SQL, kolaylıkla atlanabilen bir anahtar kelime aramasıyla incelenmek yerine bir sözdizimi ağacına (AST) ayrıştırılır. sqlparserkitaplığıyla Aurabase uygulaması yalnızca basit SELECT sorgularına izin verir: CTE/WITH, alt sorgular, UNION'lar, pencere işlevleri ve kilitleme cümleleri (FOR UPDATE), on işlevden oluşan beyaz listenin (count, sum, avg, min, max, lower, upper, coalesce, date_trunc, now).

4. Taahhüt edilen sorgu satır sınırıyla çalıştırılır

Doğrulanmış SQL, eğer halihazırda bir tane yoksa bir LIMIT alır: Aurabase ile varsayılan olarak 100 satır, maksimum 1000, her iki değer de sunucu tarafında yapılandırılabilir. Sınırın ötesindeki bir istek sessizce azaltılmak yerine açıkça reddedilir. Yanıt, bu LIMIT öğesinin sunucu tarafından eklenip eklenmediğini gösterir; böylece arayan kişi, yürütülen SQL'in model tarafından üretilen SQL'den farklı olup olmadığını bilir.

exemplesql
-- Soru: "Premium müşteriler için bu ay kaç sipariş var?"
SELECT count(*) FROM orders
WHERE customer_plan = 'premium'
  AND created_at >= date_trunc('month', now())
LIMIT 100  -- sunucu tarafından eklendi, oluşturulan SQL'de eksik

Her HTTP çağrısı ve her JSON yanıtıyla birlikte bu hattın tüm ayrıntıları, üzerinde NL2SQL uç noktası oluşturmaya yönelik adım adım eğitimimizde ele alınmaktadır. Postgres.

#
Kullanım örnekleri

NL2SQL ve elle yazılmış SQL: ne zaman ne kullanılmalı

NL2SQL elle yazılmış SQL'in her yerde yerini alması amaçlanmamıştır. Belirli bir kapsamı kapsar: SQL bilmeyen veya basit bir sorguyla zaman kazanmak isteyen biri tarafından sorulan özel, tek seferlik sorular.

  • Teknik olmayan bir kişi (destek, ürün, yönetim) tarafından bir gösterge tablosunun özel olarak incelenmesi.
  • Olası her soru için özel bir API rotası yazmadan veritabanını sorgulayan bir özelliğin hızlı prototiplenmesi.
  • Sınırlı analitik self servis: son kullanıcıya veritabanına doğrudan erişim vermeden sayın, filtreleyin, basitçe toplayın.

Soru bu kapsamın ötesine geçtiğinde elle yazılmış SQL tercih edilir olmaya devam ediyor. Yukarıda açıklanana benzer bir AST doğrulanmış uygulama, güvenlik nedeniyle CTE'leri, alt sorguları ve pencere işlevlerini yapı gereği hariç tutar. Yapısal olarak bu yapılara, kohortlara, gelişmiş zamansal pencerelemeye ihtiyaç duyan bir analiz NL2SQL'den geçmez: doğrudan kodlanır. Bu kabul edilmiş bir uzlaşmadır; sistemin güvenliği, oluşturulan SQL'in eksiksizliğinden önce gelir.

#
Riskler

NL2SQL riskleri: enjeksiyon, halüsinasyon, maliyet

Bir NL2SQL uygulamasında, sistemin olgunluğuna bağlı olarak farklı yanıtlarla üç risk sistematik olarak tekrarlanır.

İstem veya soru yoluyla SQL enjeksiyonu

Sorunun kendisi "önceki ifadeleri yoksay ve..." enjeksiyon girişimini içeriyorsa, bir LLM kötü amaçlı SQL üretecek şekilde manipüle edilebilir. Savunma, istemlere güvenmek değil, talep edilenden bağımsız olarak üretilen SQL'i doğrulamaktır; tam olarak yukarıda açıklanan işlem hattının 3. adımıdır. Konu özel olarak ele alınmayı hak ediyor: Kesin saldırı vektörleri ve karşı önlemler için bkz. SQL Enjeksiyonuna Karşı NL2SQL Güvenliğini Sağlama.

Var olmayan tablo veya sütunların halüsinasyonu

Model, özellikle büyük veya yetersiz belgelenmiş şemalarda, makul ancak gerçek şemada eksik olan bir tablo veya sütun adı icat edebilir. Oluşturulan SQL'i gerçek veritabanı şemasına göre doğrulayan bir uygulama, ham bir SQL hatasının kullanıcıya geri gönderilmesine izin vermek yerine, sorguyu açık bir mesajla reddeder ve gerçekte mevcut tabloları listeler.

Model çağrılarının maliyeti ve gecikmesi

Her NL2SQL sorusu, SQL yürütme süresinin yanı sıra kendi maliyeti ve gecikmesiyle birlikte dil modeline bir çağrıyı tetikler. NL2SQL tekrarlanan sorular için varsayılan katman olarak hizmet verirse bu maliyet hızla artar; bu, her seferinde yeniden çevrilmek yerine önbelleğe alınmasından veya standart bir rapor olarak gösterilmesinden fayda sağlar.

Güven ölçülmeli, varsayılmamalı

Bir NL2SQL motoru tarafından döndürülen bir güven puanı (iyi biçimlendirilmiş SQL bloğu olsun ya da olmasın, yanıt biçimindeki buluşsal yöntem) anlamsal doğruluğun bir ölçüsü değildir. Bu, bu SQL'in sorulan soruyu doğru yanıtladığını değil, modelin sözdizimsel olarak temiz SQL ürettiğini gösterir.

#
Mimarlık

Yerel ve derlenmiş NL2SQL: bir geliştirici için neyi değiştirir?

İki mimari benzer görünür sonuçlar üretir, ancak garantileri çok farklıdır. Yerel NL2SQL, oluşturma, doğrulama ve yürütmeyi doğrudan projenin şemasını ve erişim haklarını zaten bilen arka uç katmanına entegre eder: bu, Aurabase için yukarıda açıklanan mantıktır; burada aura-ai hizmeti altyapıyı ve şema yalıtımını arka ucun geri kalanıyla paylaşır.

Birleştirilmiş bir NL2SQL, genel bir LLM hizmetini, veritabanına yönelik bir bağlayıcıyı ve kendin yap doğrulama katmanını birleştirir. Hiçbir şey bu yaklaşımın güvenli olmasını engellemez, ancak her garanti, sunucu tarafı içe dönük şema, AST doğrulama, satır sınırı, izolasyon kiracısı, platform tarafından sağlanmak yerine bu tuğlaları bir araya getiren ekip tarafından uygulanmalı ve sürdürülmelidir.

NL2SQL araçlarının yapısı, yerel ve derlenmiş, açık kaynak ve ticari, NL2SQL 2026 araç karşılaştırmamızda ayrıntılı olarak karşılaştırılmıştır.

#
Ayrım

NL2SQL ve RAG: fark nedir?

NL2SQL ve RAG (geri almayla artırılmış nesil), her ikisi de bir veritabanına bağlı bir LLM'ye dayandığı için sıklıkla karıştırılan iki farklı soru ailesini yanıtlar.

NL2SQL yapılandırılmış ve ilişkisel verileri hedefler: doğal olarak SELECT, GROUP BY toplamalara dönüşen kaç, ne zaman, hangi oranda sorular. RAG, yapılandırılmamış içeriği hedefler: yanıtın bir tablo satırına sığmadığı ancak anlamsal benzerliğe göre ilgili bir pasajın bulunmasını gerektiren belgeler, notlar, destek biletleri, modele bağlam içinde vermeden önce pgvector, HNSW dizininde vektör araması.

The two capabilities can coexist in the same project and combine in an agent who chooses one or the other depending on the question asked. The Aurabase native AI pillar details how the two mechanisms work together, and our RAG pipeline guide on pgvector covers the implementation of the second.

#
Sıkça Sorulan Sorular

SSS

Metinden SQL'e ve NL2SQL aynı şey midir?+
Evet, iki terim aynı sistem ailesini ifade eder: doğal dilde sorulan bir soruyu çalıştırılabilir bir SQL sorgusuna çevirmek. “Text-to-SQL” akademik araştırmalarda (Spider veya WikiSQL gibi referans tabanlarında) kullanılan terimdir; “NL2SQL” ürün ve teknik dokümantasyon tarafında en yaygın kısaltmadır. İki isim arasında teknik bir fark yok.
NL2SQL var olmayan tabloları veya sütunları halüsinasyona uğratabilir mi?+
Dil modeli icat edilmiş bir tablo adı oluşturabilir; bu, herhangi bir Yüksek Lisans tabanlı sistem için gerçek bir risktir. Önemli olan bundan sonra ne olacağıdır: oluşturulan SQL'i gerçek veritabanı şemasına göre doğrulayan bir uygulama, sorguyu körü körüne yürütmek yerine açık bir mesajla reddeder. Bu, hata mesajında ​​gerçekte mevcut olan tabloları listeleyen Aurabase NL2SQL motorunda doğrulanan davranıştır.
NL2SQL yazma işlemlerini (INSERT, UPDATE, DELETE) yürütebilir mi?+
Dikkatli bir uygulamada değil. İyi tasarlanmış bir NL2SQL motoru, metinde basit bir anahtar kelime araması yerine sözdizimi ağacı düzeyinde yalnızca SELECT sorgularını kabul eder ve yürütmeden önce herhangi bir yazma girişimini reddeder. Bir aracı benimsemeden önce bu noktayı kontrol edin: bazı açık kaynak NL2SQL prototipleri varsayılan olarak bu sınırı uygulamaz.
NL2SQL işlemini yapmak için özel olarak eğitilmiş bir modele ihtiyaç var mı, yoksa genel bir Yüksek Lisans yeterli mi?+
İstemde gerçek veritabanı şemasını sağlamanız koşuluyla, kullanım durumlarının çoğu için güncel bir genel Yüksek Lisans (GPT, Claude, Gemini) yeterlidir. Soru/SQL çiftleri üzerinde geliştirilmiş ve çok büyük şemalarda veya egzotik SQL lehçelerinde hassasiyet kazandıran özel modeller mevcuttur. Ancak oluşturulan SQL'in doğrulanması, sistem güvenliği için model seçiminden daha önemlidir.
NL2SQL bir veri analistinin yerini mi alıyor?+
Hayır, işin doğasını ortadan kaldırmak yerine değiştirir. NL2SQL, bir analistin tek seferlik bir sorgu için harekete geçmesini sağlayan yapılandırılmış ve yinelenen soruları, sayımları, filtreleri ve basit toplamaları kapsar. İş muhakemesi, modelleme veya kötü ifade edilmiş bir sorunun yeniden ifade edilmesini gerektiren analizler, makine çeviri sisteminin değil, bağlamı anlayan birinin işi olarak kalır.

DAĞITILMAYA HAZIR MISINIZ?

Beş dakika içinde arka ucunuz.

Kredi kartı gerekmez · 500 MB ücretsiz · 50.000 MAU