#text-to-sql Dépôts
Découvrez 34 dépôts GitHub open source actifs associés à #text-to-sql, cumulant 154,693 étoiles au total (soit une moyenne de 4,549 étoiles par projet). Le projet en tête de ce thème est OtterMind/Chat2DB, avec 28,368 étoiles.
34 dépôts au total
Chat2DB est un client de base de données et un espace de travail SQL gratuit, multiplateforme et axé sur le local, destiné aux développeurs, aux DBA, aux analystes et aux équipes de données. Connectez-vous à plus de 40 bases de données, gérez vos données, modifiez et exécutez du SQL, et utilisez votre propre modèle d'IA pour générer, expliquer et optimiser vos requêtes. Disponible sur bureau, web, Docker et CLI, avec prise en charge de MCP.
Discutez avec votre base de données ou votre datalake (SQL, CSV, parquet). PandasAI rend l'analyse de données conversationnelle grâce aux LLM et au RAG.
🤖 Discutez avec votre base de données SQL 📊. Génération précise de texte SQL via des LLM utilisant la récupération agentique 🔄.
GenBI (BI générative) pour les agents IA, un outil open-source et gouverné de texte vers SQL via une couche de contexte ouverte qui transforme les questions en langage naturel en tableaux de bord, graphiques et SQL fiables sur plus de 20 sources de données, telles que BigQuery, Snowflake, PostgreSQL, ClickHouse, Amazon Redshift, Databricks et plus.
🔥 Système intelligent de requête de données basé sur de grands modèles et RAG, un artefact d'analyse de données conversationnelle. Génération Text-to-SQL via LLM utilisant RAG.
Tutoriels et ressources sélectionnés pour les grands modèles de langage, Text2SQL, Text2DSL, Text2API, Text2Vis et plus encore.
Interagissez avec votre base de données SQL, du langage naturel à SQL à l'aide des LLM
Un agent de données auto-apprenant construit selon les principes de l'ingénierie des systèmes. Il ancre les réponses dans 6 couches de contexte et s'améliore à chaque requête.
👾 nao est la solution de BI agentique open source n° 1. (1) Créez du contexte avec la CLI nao-core ; (2) déployez l’interface de chat nao pour tout le monde.
Un dépôt contenant des modèles, des ensembles de données et des techniques de réglage fin pour DB-GPT, dans le but d'améliorer les performances du modèle en Text-to-SQL
Ceci est un manuel mis à jour en permanence pour permettre aux lecteurs de suivre facilement les dernières techniques Text-to-SQL dans la littérature et de fournir des conseils pratiques aux chercheurs et aux praticiens.
[TKDE2025] Interfaces de bases de données de nouvelle génération : Une étude sur le Text-to-SQL basé sur les LLM | Une liste sélectionnée de ressources (enquêtes, articles, benchmarks et projets open source) sur le Text-to-SQL basé sur les grands modèles de langage.
[NeurIPS 2025 Main] SWE-SQL : Éclairer les voies des LLM pour résoudre les problèmes SQL des utilisateurs dans les applications réelles
[ICLR 2026 Oral] BIRD-INTERACT: Reconsidère l'évaluation Text-to-SQL sous le prisme des interactions dynamiques.
Un cadre d'ensemble multi-générateurs pour la conversion du langage naturel en SQL
Scripts et bases de référence pour Spider : Défi de parsing sémantique complexe et multi-domaine de Yale et text-to-SQL
[ICLR 2025 Oral] Spider 2.0 : Évaluation des modèles linguistiques sur des flux de travail Text-to-SQL réels en entreprise
Liste de papiers continuellement mise à jour sur les avancées en Data Agents. Repo compagnon de notre article « A Survey of Data Agents : Emerging Paradigm or Overstated Hype ? »
Articles pour les systèmes de bases de données alimentés par l'intelligence artificielle (machine learning pour les bases de données)
Application Full Stack pour récupérer les données boursières et les actualités en utilisant LLM, LangChain et LangGraph
Le poste de travail DuckDB entièrement open source qui fonctionne dans votre navigateur. Éditeur SQL, notebooks, graphiques, assistant IA. Aucune installation, aucune inscription, aucun backend — vos données ne quittent jamais l'onglet.
Nous collectons des articles sur les « grands modèles linguistiques (LLM) pour les tâches liées aux tableaux », par exemple, l'utilisation de LLM pour la tâche Table QA. Collecte d'articles sur « Table + LLM »
Ce dépôt fournit des exemples très basiques de flask, streamlit et docker pour le package llama_index (anciennement gpt_index)
La couche sémantique de NVIDIA Auto Ontology et une base de connaissances personnelle sous forme de serveur MCP pour Claude, ChatGPT et d’autres clients MCP. Aucune clé API de LLM n’est nécessaire.
Foire aux questions
Quel est le dépôt #text-to-sql le plus populaire sur GitHub ?
Le projet #text-to-sql open source le mieux classé sur GitHub est OtterMind/Chat2DB, avec 28,368 étoiles. Chat2DB est un client de base de données et un espace de travail SQL gratuit, multiplateforme et axé sur le local, destiné aux développeurs, aux DBA, aux analystes et aux équipes de données. Connectez-vous à plus de 40 bases de données, gérez vos données, modifiez et exécutez du SQL, et utilisez votre propre modèle d'IA pour générer, expliquer et optimiser vos requêtes. Disponible sur bureau, web, Docker et CLI, avec prise en charge de MCP.
Quels langages de programmation sont les plus utilisés dans les dépôts #text-to-sql ?
Parmi les projets #text-to-sql les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, TypeScript, Java, Jupyter Notebook.
Comment le classement des dépôts #text-to-sql est-il calculé ?
Nous suivons 34 dépôts open source actifs associés à #text-to-sql (500+ étoiles), totalisant 154,693 étoiles, avec une moyenne de 4,549 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.