text_to_dbt

text_to_dbt 是一个用于微调语言模型的合成指令调优数据集，专注于将自然语言问题转换为 dbt（数据构建工具）的有向无环图（DAG）。数据集包含 1,000 个样本（900 训练，100 测试），每个样本将业务问题与 SQL 模式配对，生成完整的、经过 dbt parse 验证的多文件 dbt 项目结构。数据采用聊天格式（messages 字段），兼容 Qwen3、Mistral 和 OpenAI 聊天模板。典型的 dbt DAG 包含：stg_*.sql（清理和重命名原始源列的暂存模型）、_sources.yml/_stg_*.yml（包含源和列定义的 YAML 模式文件）、int_*.sql（包含连接和业务逻辑的中间模型）以及 fct_*.sql/dim_*.sql（最终面向分析的表）。数据集构建过程包括：从公共 SQL 问题数据集中采样查询、通过 Claude Sonnet 生成 dbt DAG、使用 dbt parse 验证、最后转换为标准的多轮聊天格式。该数据集适用于：微调任何指令调优的 LLM 以生成 dbt DAG、评估基线模型对 dbt 约定的理解程度，以及扩展额外的 dbt 模式（增量模型、快照、测试等）。