在仓库管理系统中自动化文本到SQL：选择无需GPU的本地大语言模型

Aerosib-C公司的一名开发者实现了一项任务，基于WMS（仓库管理系统）和手持终端的数据，自动化物流服务开票流程。为避免将敏感业务数据传输给第三方，选择了本地大语言模型（LLM）来根据文本描述生成SQL查询。测试在一台配备30 GB内存且无视频加速器的Linux Debian服务器上进行。在七个测试模型（deepseek-coder-v2:16b、gemma4:26b、qwen3-coder:30b、qwen3:14b、qwen3:30b、qwen3.5:9b）中，只有三个生成了正确的SQL代码：gemma4:26b、qwen3:14b（次优）和qwen3:30b。胜出者是gemma4:26b，尽管其响应时间非常长（超过21分钟）。需要注意的是，专门的编码模型表现不如推理模型。作者计划创建一个专家系统，将服务分类到不同组中，以简化查询文本描述的选取。文章最后强调，AI是一种需要掌握并创造性使用的工具，不应生成难以理解的代码。