_{🧠 记忆锚点：生成 SQL 只是中间一步；真正的生产边界是语义上下文、AST 校验、数据权限、受限执行和全链路审计。}

💡 答案要点

核心挑战：

1. 表结构理解（LLM 需要知道有哪些表、字段）
2. SQL 语法正确性（不能生成错误 SQL）
3. 安全性（防止 SQL 注入、危险操作）

架构设计：

用户问题 → Prompt + 表结构 → LLM → SQL → 校验 → 执行 → 结果 → 自然语言回答
                                  ↓
                            语法检查器
                                  ↓
                            安全过滤器

关键优化：

1. Schema 注入：把表结构、字段说明、示例数据放入 Prompt
2. Few-shot：给几个 SQL 示例，让模型模仿
3. 校验层：
   • 语法检查（用 sqlparse 解析）
   • 安全过滤（禁止 DROP、DELETE 等危险操作）
   • 限流（LIMIT 100，防止全表扫描）
4. 自我修正：如果 SQL 执行报错，把错误信息返回给 LLM 重新生成

面试话术：

示例表达（仅在能用本人经历或可复现实验佐证时使用）： "NL2SQL 的核心不是 Prompt，而是校验层。我设计了三层防护：语法检查、安全过滤、执行限流。同时加入自我修正机制，如果 SQL 执行报错，把错误信息返回给 LLM 重新生成，成功率从 70% 提升到 92%。"