🎯 情报来源：Artificial Intelligence
亚马逊AWS团队与kscope.ai合作开发了基于Amazon Nova Pro大模型的自然语言转Gremlin查询框架，在120个测试查询中实现74.17%的整体执行准确率。该方案通过整合图数据库结构知识、领域知识和LLM生成描述，构建了类似text-to-SQL的三阶段处理流程，显著降低了非技术人员使用图数据库的门槛。
测试数据显示，Amazon Nova Pro在查询生成延迟（1.8-4秒）和成本（单次<$0.005）方面显著优于基准模型。虽然执行准确率（60.42%）略低于基准模型（74.83%），但其查询执行延迟与人工编写查询相当，中位数响应时间基本持平。
💡 核心要点
- 74.17%执行准确率：在120个测试查询中的整体表现
- 60.42% vs 74.83%：Nova Pro与基准模型的执行准确率对比
- 1.8-4秒生成延迟：比基准模型快3-7秒
- 单次<$0.005成本：仅为基准模型成本的1/5
- 70.36%查询匹配度：与标准查询的组件匹配率
📌 情报分析
技术价值：高
创新性整合RAG技术和迭代错误处理机制，但执行准确率仍有提升空间。测试显示困难查询准确率仅10%，需强化复杂拓扑处理能力。
商业价值：极高
直接解决图数据库使用门槛高的痛点，使非技术人员查询效率提升300%（生成时间从5-11秒降至1.8-4秒）。成本优势使其在大规模部署中具备竞争力。
趋势预测：高
随着知识图谱应用普及，自然语言交互将成为标配。该框架的模块化设计（支持Claude 3.5 Sonnet等模型）便于后续集成更强大的LLM。