Dial: A Knowledge-Grounded Dialect-Specific NL2SQL System

O artigo apresenta o Dial, um sistema de NL2SQL baseado em conhecimento que supera as limitações dos métodos existentes ao gerar consultas SQL semanticamente corretas e executáveis em diversos dialetos de banco de dados, utilizando planejamento lógico consciente de dialeto, uma base de conhecimento hierárquica e um ciclo de depuração orientado à execução.

O essencial

Imagine que você é um tradutor de idiomas, mas em vez de traduzir de inglês para francês, você está traduzindo pedidos em linguagem natural (como "mostre-me os 10 funcionários mais bem pagos") para SQL, a linguagem que os bancos de dados entendem.

O problema é que o mundo dos bancos de dados é como um mundo de dialetos regionais. O que funciona perfeitamente no "dialeto" do MySQL (muito comum) pode ser um erro grave no "dialeto" do Oracle (muito usado em grandes empresas) ou no PostgreSQL.

Aqui está a explicação do sistema Dial, apresentado neste artigo, usando analogias do dia a dia:

1. O Problema: O "Tradutor" que Confunde os Dialetos

Até hoje, a maioria dos sistemas de IA que fazem essa tradução (NL2SQL) foi treinada principalmente no "dialeto" do SQLite ou MySQL.

• A Analogia: Imagine um turista que aprendeu a pedir comida em um restaurante italiano. Ele vai a um restaurante japonês e pede "macarrão com molho de tomate" usando a mesma estrutura de frase. O garçom japonês (o banco de dados Oracle) não entende, ou pior, serve algo errado porque a regra de "como pedir" é diferente.
• O Erro: A IA inventa comandos que não existem no banco de dados alvo (alucinação) ou usa comandos de forma errada (ex: usar uma função que aceita 3 argumentos quando o outro banco só aceita 2).

2. A Solução: O Sistema Dial (O "Arquiteto Inteligente")

O Dial não tenta apenas "adivinhar" a resposta. Ele funciona como um arquiteto de construção que separa o plano da execução.

Ele tem três grandes ferramentas (ou departamentos):

A. O Planejador Lógico (O "Roteiro")

Antes de escrever qualquer código, o Dial cria um Plano Lógico de Consulta (NL-LQP).

• A Analogia: É como escrever a receita de um bolo em português, sem mencionar se você vai usar uma batedeira da marca X ou da marca Y. O plano diz: "Misture os ovos, adicione farinha, asse por 30 minutos".
• Como ajuda: Isso separa a intenção do usuário (o que ele quer) da ferramenta específica (o banco de dados). O sistema primeiro entende a lógica, e só depois decide qual "ferramenta" usar para aquele dialeto específico.

B. A Biblioteca de Conhecimento (O "Manual do Mestre")

O Dial usa uma base de dados chamada HINT-KB.

• A Analogia: Imagine um livro de receitas gigante que não só lista os ingredientes, mas também tem notas de rodapé dizendo: "Se você estiver cozinhando no Brasil, use panela de pressão; se estiver na França, use forno lento".
• O que tem dentro:
  1. Funções Declarativas: "Se você quer somar datas, no MySQL use TIMESTAMPDIFF, mas no Oracle use AGE".
  2. Regras Procedurais (As "Armadilhas"): "Cuidado! No Oracle, você não pode usar a palavra 'YEAR' como nome de coluna sem aspas, senão o sistema explode".
• Diferença: Em vez de a IA tentar decorar tudo (o que gera erros), ela consulta esse manual antes de escrever.

C. O Loop de Depuração (O "Teste de Fogo")

Mesmo com o plano e o manual, erros acontecem. O Dial tem um mecanismo de correção automática.

• A Analogia: É como um chef de cozinha que prova a sopa. Se o cliente (o banco de dados) diz "está salgado demais" (erro de sintaxe), o chef não joga a sopa fora e começa do zero. Ele olha o manual, ajusta o sal e prova de novo.
• O Pulo do Gato: O sistema verifica se, ao corrigir o erro de "sopa salgada", ele não mudou o sabor da sopa (a lógica do usuário). Ele garante que a correção técnica não altere a intenção original.

3. O Resultado: Por que isso é incrível?

Os autores criaram um novo teste chamado DS-NL2SQL com 2.218 casos reais em 6 bancos de dados diferentes (Oracle, MySQL, PostgreSQL, etc.).

• O Concorrente: Outros sistemas (como os baseados apenas em prompts ou que usam tradução automática de código) falham muito quando mudam de banco de dados. Eles tendem a "alucinar" ou quebrar o código.
• O Dial: Conseguir traduzir com muito mais precisão.
  • Precisão: Aumentou em mais de 10% a taxa de sucesso.
  • Recursos Nativos: Aumentou em 15% o uso de funções específicas de cada banco (em vez de usar soluções genéricas e lentas).

Resumo em uma Frase

O Dial é como um tradutor que, em vez de tentar adivinhar a língua, primeiro entende o significado do que você quer dizer, consulta um manual especializado sobre as regras daquela língua específica e, se errar, corrige o erro sem mudar o significado original da sua frase.

Isso permite que empresas usem qualquer banco de dados que tiverem, sem precisar reescrever seus sistemas ou ter medo de que a IA "invente" regras que não existem.

Resumo técnico

Resumo Técnico: Dial – Um Sistema NL2SQL Específico de Dialeto Baseado em Conhecimento

1. O Problema

As empresas frequentemente utilizam sistemas de banco de dados heterogêneos (como Oracle, PostgreSQL, MySQL, SQL Server, etc.), cada um com seu próprio dialeto SQL. Esses dialetos possuem regras de sintaxe distintas, assinaturas de funções embutidas diferentes e restrições de execução específicas.

O problema central abordado é que a maioria dos métodos existentes de NL2SQL (Natural Language to SQL) assume um único dialeto (geralmente SQLite ou MySQL). Quando aplicados a outros bancos de dados, esses sistemas falham em gerar consultas que sejam simultaneamente semanticamente corretas e executáveis nativamente. As falhas comuns incluem:

• Sintaxe não suportada: Uso de LIMIT (MySQL) em Oracle, que exige FETCH FIRST.
• Uso incorreto de funções: Funções como CONCAT que aceitam argumentos variáveis no MySQL, mas apenas dois no Oracle.
• Restrições implícitas: Regras de compilação estritas, como a necessidade de que expressões em ORDER BY apareçam na lista de seleção quando se usa SELECT DISTINCT em PostgreSQL.

As abordagens atuais (baseadas em prompting, fine-tuning ou tradução de ferramentas) sofrem com interferência entre dialetos, alucinações de sintaxe e falta de adaptação a restrições implícitas de compilação.

2. Metodologia: A Arquitetura Dial

O Dial é uma estrutura baseada em conhecimento que desacopla o planejamento lógico da intenção do usuário da realização sintética específica do dialeto. O sistema opera em três módulos principais:

A. Planejamento Lógico de Consulta Consciente de Dialeto (Dialect-Aware Logical Query Planning)

• NL-LQP (Natural Language Logical Query Plan): O sistema converte a pergunta do usuário em uma cadeia linear de operadores lógicos padronizados e agnósticos ao dialeto (ex: Data Sourcing, Filtering, Scalar Calculation, Aggregation).
• Especificação Lógica Consciente de Divergência: Identifica quais operadores são sensíveis ao dialeto e mapeia-os para categorias funcionais padronizadas. Isso evita que o modelo tente gerar sintaxe SQL diretamente, focando primeiro na intenção semântica.

B. Base de Conhecimento Hierárquica e Consciente de Intenção (HINT-KB)
Uma base de conhecimento estruturada extraída de documentações oficiais, organizada em três repositórios:

1. Referência de Sintaxe Canônica: Normaliza operações comuns em um espaço alinhado ao ANSI SQL.
2. Repositório de Funções Declarativas: Mapeia intenções abstratas (ex: "calcular idade") para implementações específicas de cada dialeto (ex: TIMESTAMPDIFF no MySQL vs. AGE no PostgreSQL), incluindo assinaturas e restrições de uso.
3. Repositório de Restrições Procedurais: Codifica regras de compilação implícitas (ex: tratamento de NULL, regras de alias) indexadas por sinais de erro de diagnóstico.

C. Depuração e Avaliação Adaptativa e Iterativa
Um ciclo de feedback fechado que separa a recuperação sintática da verificação semântica:

1. Inicialização Baseada em Conhecimento: Gera uma consulta candidata usando templates do repositório de funções.
2. Recuperação de Regras Acionada por Execução: Se a consulta falhar, a mensagem de erro do banco de dados é usada para recuperar regras de correção específicas do repositório de restrições procedurais.
3. Verificação de Lógica Semântica: A consulta executável é auditada contra o NL-LQP original para garantir que a correção sintática não causou "deriva semântica" (alterar a intenção do usuário).
4. Consolidação Incremental: Correções validadas são distiladas e adicionadas de volta ao HINT-KB, permitindo aprendizado contínuo.

3. Principais Contribuições

1. Framework Dial: Uma abordagem que desacopla o planejamento de intenção lógica da realização de sintaxe de dialeto, permitindo execução nativa sem retreinamento de modelos.
2. HINT-KB: Uma arquitetura de conhecimento hierárquico que separa mapeamentos de sintaxe funcional de restrições de compilação implícitas, suportando extração automatizada de documentação.
3. NL-LQP: Uma abstração de cadeia de operadores linearizada e agnóstica ao dialeto que normaliza a intenção do usuário em operadores relacionais estruturados.
4. Pipeline de Especificação Consciente de Divergência: Isola operadores sensíveis ao dialeto e mapeia-os para uma taxonomia funcional padronizada.
5. Mecanismo de Refinamento Acionado por Execução: Separa a recuperação sintática da verificação lógica, garantindo a integridade da intenção do usuário durante a correção de erros.
6. DS-NL2SQL: A criação de um novo benchmark abrangendo 6 sistemas de banco de dados principais com 2.218 casos de teste específicos de dialeto.

4. Resultados Experimentais

O sistema foi avaliado no benchmark DS-NL2SQL (cobrindo SQLite, PostgreSQL, MySQL, SQL Server, DuckDB e Oracle) e comparado com baselines de ponta (DIN-SQL, Agentar, ExeSQL, SQLGlot).

• Precisão de Tradução: O Dial melhorou a precisão de tradução em 10,25% em relação aos melhores baselines.
• Cobertura de Recursos de Dialeto: Houve um aumento de 15,77% na cobertura de recursos específicos do dialeto (uso correto de funções nativas).
• Executabilidade: O Dial alcançou taxas de executabilidade superiores a 98% em todos os dialetos testados, enquanto métodos de fine-tuning (como ExeSQL) sofreram degradação severa (ex: caindo para 5,50% no Oracle devido ao overfitting no MySQL).
• Robustez: O sistema demonstrou ser menos dependente do modelo de linguagem (LLM) subjacente, mantendo desempenho estável mesmo com diferentes LLMs (Qwen, DeepSeek, GPT), ao contrário de métodos puramente baseados em prompting que variam drasticamente.

5. Significância e Impacto

O trabalho Dial representa um avanço significativo na viabilidade prática de sistemas NL2SQL para ambientes empresariais reais, onde a heterogeneidade de bancos de dados é a norma, não a exceção.

• Solução para o "Problema do Dialeto": Demonstra que a simples tradução de sintaxe ou o fine-tuning em múltiplos dialetos são insuficientes; é necessário um conhecimento estruturado e explícito sobre as restrições de cada motor de banco de dados.
• Segurança Semântica: Ao introduzir uma verificação de lógica semântica separada da correção sintática, o Dial evita que correções de erro "quebrem" a lógica de negócios original, um problema comum em abordagens iterativas puras.
• Adaptabilidade Contínua: A capacidade de consolidar correções de erros em conhecimento reutilizável (HINT-KB) oferece um caminho para sistemas que aprendem e se adaptam a novos dialetos ou atualizações de versão sem a necessidade de retreinamento massivo de modelos.

Em suma, o Dial estabelece um novo padrão para a geração de SQL em ambientes multi-dialetos, combinando planejamento lógico rigoroso com conhecimento de domínio estruturado e validação baseada em execução.