一站式掌握大模型Text-to-SQL前沿，从论文到代码全收录
这是一个围绕LLM-based Text-to-SQL主题的精选资源列表，由华中科技大学团队维护，并配套发表了一篇TKDE 2025综述论文。项目系统整理了该领域的调研报告、核心论文、基准测试和开源项目，覆盖从早期方法到最新技术（如Agent、RAG、微调策略等）的演进脉络。它解决了研究者和开发者在海量文献中难以快速定位关键信息、对比方法优劣的问题。核心能力包括：按主题分类的论文索引、主流基准（如Spider、BIRD）的汇总、以及配套工具和模型的导航。项目持续更新，为入门者和进阶者提供了结构化的学习路径，是了解该领域技术全貌和前沿动态的重要参考。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1克隆资源仓库
把仓库整体下载到本地，方便离线检索论文与基准链接。README 未提供安装脚本，克隆后直接用编辑器打开即可。
git clone https://github.com/DEEP-PolyU/Awesome-LLM-based-Text2SQL.git2阅读 README 分类
打开仓库根目录的 README.md，按调研报告、核心论文、基准测试、开源项目等主题浏览列表，定位自己关注的方向。
3下载配套综述论文
README 说明仓库内容全部来自其 TKDE 2025 综述，建议先读论文建立整体脉络，再回看对应目录条目。
4浏览基准与开源项目
README 汇总了 Spider、BIRD 等主流基准及相关开源项目链接，可按需跳转到对应仓库自行了解其安装方式。
5参与贡献
发现遗漏资源可开 issue 或提 PR；README 提供了作者联系邮箱，用于补充或纠错。
克隆成功后在本地看到 README.md，其中包含论文、基准与开源项目的完整分类列表即为就绪。
Q：这个项目需要安装依赖或启动服务吗？
A：不需要。它是纯文档型资源列表，没有代码或服务，克隆后用编辑器或浏览器打开 README 即可阅读。
Q：配套论文在哪里获取？
A：README 顶部给出了 arXiv 链接 2406.08426，即《Next-Generation Database Interfaces: A Survey of LLM-based Text2SQL》，可直接下载 PDF。
Q：我想补充遗漏的论文或项目怎么办？
A：按 README 说明，通过提交 issue 或 pull request 贡献；也可按 README 给出的邮箱联系维护者。
Q：内容会持续更新吗？
A：会。README 明确表示将持续纳入 Text-to-SQL 社区的最新进展，建议定期回到仓库查看更新。
Awesome-Text2SQL、Awesome-LLM-Reasoning、Awesome-Database-LLM
Awesome-LLM-based-Text2SQL 是搜索知识领域的开源项目，由 DEEP-PolyU 开发，2025 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（1,369）位列前 30%，在搜索知识分类中处于中上游。
项目仍在小幅维护中，最近一次代码更新于 2026-09-21。开源资源列表，完全免费，无付费版本。
它主要面向的使用场景是：科研人员快速调研LLM-basedText-to-SQL领域现状和趋势。同类可对比的替代方案包括 Awesome-Text2SQL、Awesome-LLM-Reasoning、Awesome-Database-LLM。
firecrawl
开源
网页抓取像喝水一样简单，开发者省下整周加班
The web data API to search, scrape, and interact at scale.
contoso-chat
开源
一键跑通 Azure RAG 应用，从代码到评估部署全流程
This sample has the full End2End process of creating RAG application with Prompty an···
graphify
开源
整个代码库画成一张图，找问题一眼定位
Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···
ragflow
开源
让大模型用上你的私有知识，搭建可靠的企业级RAG应用
RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fu···