스키마 컨텍스트 최적화로 SQL 생성 정확도 60%에서 94%로 향상

Context

AI 기반 SQL 생성 시 모델이 DB 스키마와 비즈니스 도메인 지식을 추측하여 발생하는 Semantic Error 문제 분석. 구문적으로는 유효하나 결과값이 틀린 Query가 생성되어 데이터 신뢰성을 저해하는 한계점 식별.

Technical Solution

• Relevant Table Filtering: 전체 스키마 대신 질문에 필요한 테이블만 추출하여 Context Window 내 노이즈 제거 및 효율 증대
• Semantic Metadata Injection: 컬럼 정의에 인라인 주석을 추가하여 필터링 값(예: 'pro' vs 'professional')의 정확한 매핑 유도
• Business Glossary Definition: 'Revenue'나 'Active User' 같은 추상적 비즈니스 용어를 구체적인 SQL 수식으로 정의한 매핑 테이블 제공
• Few-Shot Learning Implementation: 질문-쿼리 쌍의 예시를 제공하여 JOIN 방식 및 Date Range 처리 등 프로젝트 고유의 코딩 컨벤션 학습
• Chain-of-Thought Decomposition: 복잡한 분석 쿼리를 단계적 추론 과정으로 분해하여 논리적 결함 방지 및 정확도 제고
• Database Flavor Specification: 특정 Dialect(PostgreSQL, BigQuery 등)를 명시하여 함수 호환성 및 구문 오류 사전 차단