AskTable

AskTable Agent 自我纠错机制：从错误中学习的 AI 系统

AskTable 团队
AskTable 团队 2026年3月5日

AI 生成的 SQL 可能因为表名错误、字段不存在、语法错误等原因执行失败。如何让 Agent 从错误中学习，自动纠正并重试？

AskTable 的 Agent 自我纠错机制，通过 错误检测 + Prompt 调整 + Case 收集 的闭环，实现了持续优化。

一、为什么需要自我纠错？

1. AI 生成代码的常见错误

表名错误：

-- AI 生成
SELECT * FROM order  -- 错误：应该是 orders

-- 错误信息
Table 'order' doesn't exist

字段不存在：

-- AI 生成
SELECT user_name FROM users  -- 错误：应该是 username

-- 错误信息
Unknown column 'user_name' in 'field list'

语法错误：

-- AI 生成
SELECT * FROM orders WHERE  -- 错误：WHERE 后缺少条件

-- 错误信息
You have an error in your SQL syntax

2. 传统方案的局限

直接返回错误：

无限重试：

二、自我纠错流程

加载图表中...

三、核心实现

1. 错误检测与分类

class SQLError(Enum):
    TABLE_NOT_FOUND = "table_not_found"
    COLUMN_NOT_FOUND = "column_not_found"
    SYNTAX_ERROR = "syntax_error"
    PERMISSION_DENIED = "permission_denied"
    TIMEOUT = "timeout"
    UNKNOWN = "unknown"

def classify_error(error_message: str) -> SQLError:
    """分类 SQL 错误"""
    if "doesn't exist" in error_message.lower():
        return SQLError.TABLE_NOT_FOUND
    elif "unknown column" in error_message.lower():
        return SQLError.COLUMN_NOT_FOUND
    elif "syntax" in error_message.lower():
        return SQLError.SYNTAX_ERROR
    elif "permission denied" in error_message.lower():
        return SQLError.PERMISSION_DENIED
    elif "timeout" in error_message.lower():
        return SQLError.TIMEOUT
    else:
        return SQLError.UNKNOWN

2. 重试机制

async def execute_with_retry(
    question: str,
    datasource: DataSourceAdmin,
    max_retries: int = 3,
) -> QueryResult:
    """带重试的 SQL 执行"""
    error_history: list[dict] = []

    for attempt in range(max_retries):
        try:
            # 1. 生成 SQL
            sql = await generate_sql(
                question,
                datasource,
                error_history=error_history,
            )

            # 2. 执行 SQL
            df = await datasource.execute_sql(sql)

            # 3. 成功，保存 Good Case
            await save_good_case(question, sql, df)

            return QueryResult(sql=sql, dataframe=df)

        except Exception as e:
            # 4. 失败，记录错误
            error_type = classify_error(str(e))
            error_history.append({
                "sql": sql,
                "error": str(e),
                "error_type": error_type,
                "attempt": attempt + 1,
            })

            # 5. 最后一次重试失败
            if attempt == max_retries - 1:
                await save_bad_case(question, sql, str(e))
                raise

            # 6. 继续重试
            log.warning(f"SQL execution failed (attempt {attempt + 1}): {e}")

3. Prompt 动态调整

async def generate_sql(
    question: str,
    datasource: DataSourceAdmin,
    error_history: list[dict] | None = None,
) -> str:
    """生成 SQL，根据错误历史调整 Prompt"""
    # 基础 Prompt
    prompt = f"""
    数据库：{datasource.to_markdown()}
    问题：{question}
    请生成 SQL 查询。
    """

    # 如果有错误历史，添加纠错提示
    if error_history:
        prompt += "\n\n## 错误历史\n"
        for error in error_history:
            prompt += f"""
            尝试 {error['attempt']}:
            SQL: {error['sql']}
            错误: {error['error']}
            错误类型: {error['error_type']}

            请根据错误信息修正 SQL。
            """

    # 调用 LLM
    response = await llm.generate(prompt)
    return response["sql"]

4. Good/Bad Case 收集

async def save_good_case(
    question: str,
    sql: str,
    dataframe: pd.DataFrame,
):
    """保存成功案例"""
    await db.execute(
        """
        INSERT INTO training_pairs (question, sql, status, created_at)
        VALUES (:question, :sql, 'good', NOW())
        """,
        {"question": question, "sql": sql},
    )

async def save_bad_case(
    question: str,
    sql: str,
    error: str,
):
    """保存失败案例"""
    await db.execute(
        """
        INSERT INTO training_pairs (question, sql, error, status, created_at)
        VALUES (:question, :sql, :error, 'bad', NOW())
        """,
        {"question": question, "sql": sql, "error": error},
    )

四、实战案例

案例 1：表名纠错

# 第 1 次尝试
sql_1 = "SELECT * FROM order"
error_1 = "Table 'order' doesn't exist"

# 第 2 次尝试（根据错误调整）
sql_2 = "SELECT * FROM orders"  # 成功！

案例 2：字段名纠错

# 第 1 次尝试
sql_1 = "SELECT user_name FROM users"
error_1 = "Unknown column 'user_name'"

# 第 2 次尝试
sql_2 = "SELECT username FROM users"  # 成功！

五、性能优化

1. 限制重试次数

max_retries = 3  # 最多重试 3 次

效果：

2. 错误缓存

error_cache: dict[str, str] = {}

def get_cached_fix(sql: str, error: str) -> str | None:
    """获取缓存的修复方案"""
    cache_key = f"{sql}:{error}"
    return error_cache.get(cache_key)

效果：

六、总结

AskTable Agent 的自我纠错机制，通过 错误检测 + 重试 + Case 收集 的闭环，实现了：

✅ 自动修复：常见错误自动纠正 ✅ 持续优化：从错误中学习 ✅ 用户体验：减少手动干预 ✅ 成本控制：限制重试次数

相关阅读：

技术交流：