在客户支持系统迅速发展的背景下，智能聊天机器人面临着无法访问企业数据的重大限制，尤其是在没有预定义 API 端点的情况下。本文提出了 SAFAARI（Schema-Aware Framework for Accelerated Advertiser Response Intelligence），这是一个多代理框架，解决了自然语言到 SQL（NL-to-SQL）系统中的模式链接瓶颈，采用了专门的内容、元数据和编排代理。
此外，我们还引入了 SEAL（Schema Evaluation and Accuracy in Language-to-SQL），这是一种新颖的复合指标，全面评估系统性能，并惩罚不一致的结果。通过对五种特征集配置的系统实验，SAFAARI 实现了 81.66% 的 SEAL 分数（比基线提高了 6.65%），在数据点准确率（提高 5.51%）和模式链接精度（提高 4.69%）方面也取得了显著提升。
该框架的有效性通过与领域专家的人工评估得到了验证，证明了其在不同支持领域的适应性。通过自动化劳动密集型的模式链接和查询生成过程，我们的框架实现了开发时间减少 8 倍，同时保持高准确性。这一解决方案简化了 API 开发，增强了自助服务能力，特别有利于拥有复杂数据生态系统的客户支持企业。
博主点评： SAFAARI 框架通过引入 SEAL 指标，不仅提升了系统性能，还显著降低了开发时间，展示了在复杂数据环境中处理自然语言查询的巨大潜力，是推动客户支持系统进步的重要一步。