LLM 智能体能否胜任前向部署工程师？企业 Text-to-SQL 需求发现与交付研究

企业 text-to-SQL 中智能体需求发现尚可，交付通过率仅 25%。

资讯摘要

论文在企业 text-to-SQL 场景中考察 LLM 智能体能否充当前向部署工程师（FDE），完成需求发现与交付。模拟客户从模糊请求出发，智能体需先发现验收标准、数据权限与硬件约束，再规划并执行后训练方案。15 个模型中，最强模型发现逾 80% 的隐藏需求，开放权重模型为 40–50%；八种编码智能体配置中仅 25% 的运行通过全部验收标准。作者归纳出需求发现不完整、执行不可靠、算力预算利用不足、基准准确率不等于生产就绪四类瓶颈。

要点速读

1. 15 个模型中，最强模型发现超过 80% 的隐藏需求，开放权重模型发现 40–50%。
2. 交付阶段八种编码智能体配置中，仅 25% 的运行通过全部验收标准。
3. 作者指出四类瓶颈：40% 隐藏需求缺失或表述错误、执行不可靠、算力预算未充分利用、基准准确率不保证生产就绪。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。