Pinterest 用意图向量解决十万张表的 Text-to-SQL 检索

先解决表检索

当分析环境里有十万级表时，用户问题可能对应大量名称相近、字段相似但口径不同的数据资产。即使模型能写出语法正确的 SQL，只要选错表，答案仍然不可信。Pinterest 因此把资产发现放到 Text-to-SQL 流程前面。

意图向量怎么工作

团队从历史 SQL 中提取连接关系、过滤条件、聚合方式等结构信号，把真实分析行为编码成意图向量。相较只对表名和文档做文本嵌入，这种方法能更好地捕捉一张表在实际业务问题中是怎样被使用的。

检索还要理解治理

候选资产不会只按语义相似度排序。系统还综合表的治理等级、使用热度、数据新鲜度和文档完整度，避免把实验表、过期表或缺乏说明的资产推到前面。Pinterest 使用 DataHub 的内部实现 PinCat 管理元数据，并以 OpenSearch 承载向量检索。

可借鉴处

这套方法把 Data Agent 的起点从直接生成查询，改成先完成受治理的数据资产选择。对企业产品而言，表选择依据、候选排序信号和最终引用的数据资产都应可见、可调试、可评测。