1.数据库质量

一个高质量的数据库是一个完善可用的agent的基础。下面是一些数据库建立建议，不完整：
 

• 列名：使用单数形式和有意义的名称，如 MaterialID、ProductionDate、Temperature​

• 避免使用保留字，采用统一的命名风格​

主键设计：每个表必须定义主键，优先使用自增整数类型（INT IDENTITY）或 GUID。对于需要与外部系统对接的表，可使用业务键作为候选键​。

实体完整性约束：​

• 每个表都必须定义主键（PRIMARY KEY）​

• 使用 UNIQUE 约束确保业务键的唯一性​

• 所有非主键字段根据业务规则设置 NOT NULL 约束​

参照完整性约束：​

• 外键必须引用主表的主键或唯一键​

• 设置适当的级联操作（如 CASCADE DELETE）​

• 使用 ON DELETE NO ACTION 避免级联删除风险​

用户定义完整性约束：​

• 使用 CHECK 约束限制字段取值范围​

• 为状态字段定义枚举值约束​

• 创建默认约束提供合理的默认值

动态Schema同步 | 工业数据库表结构变更后，10分钟内同步到Schema库，触发增量语料更新

Schema 剪枝    | 仅向模型暴露当前问题相关的表/字段，避免Schema过载（工业表字段常超50个）

2.现有问题
 

主要问题是多表关联、时序查询、异常过滤

现在有多阶段生成策略，但是不知道生成的策略对应的SQL语句是否正确，是否健全，有没有表约束操作，如只读不写、强制过滤避免全表扫瞄、数据库访问权限。

SQL生成错误怎么纠错，会不会保存错误轨迹供以后学习

有没有版本标记，支不支持回滚

有没有具体的量化的指标，优化不能凭感觉优化

3.任务分解

4.优化指标

• 用户反馈收集：在问答结果页增加「SQL 正确 / 错误」「结果符合预期」的反馈按钮，收集人工评价；
• 错误日志分析：定期统计 SQL 错误类型（如字段名错误占比最高→补充字段注释语料）；

5.系统架构

核心组件功能：​

1. 解析层：​

• 自然语言解析器：将用户查询转换为结构化表示​

• 术语识别器：识别行业术语和关键实体​

• 语法分析器：分析查询的语法结构​

1. 匹配层：​

• 查询模式匹配器：识别查询类型（时间查询、设备查询等）​

• 规则引擎：应用预定义的匹配规则​

• 维度提取器：提取时间、设备、指标等查询维度​

1. 生成层：​

• SQL 模板引擎：根据查询类型选择合适的 SQL 模板​

• 参数填充器：将提取的参数填充到 SQL 模板中​

• 逻辑验证器：验证生成的 SQL 逻辑正确性​

1. 执行层：​

• 安全校验器：检查 SQL 语句的安全性​

• 查询优化器：优化 SQL 执行计划​

• 执行监控器：监控查询执行过程和性能

6.当前模式

先对用户问题进行实体抽取，再用抽取的实体到数据库对应的实体库里面做匹配，再用匹配的实体和自然语言生成SQL，查询后返回大模型，生成最终回答。
个人感觉下一步优化的方向应该是放弃大模型直接生成完整 SQL 语句，改为预定义 SQL 模板 + 大模型抽取自然语言中的实体 / 关系来填充模板。
 

7.实体抽取规则
 

实体识别规则：​

1. 时间实体识别规则：​

​

规则1：YYYY年MM月DD日 → 转换为datetime类型​

规则2：YYYY-MM-DD → 转换为datetime类型​

规则3：最近N天 → 转换为DATEADD(DAY, -N, GETDATE())​

规则4：上周 → 转换为DATEADD(WEEK, -1, DATEADD(DAY, 1-DATEPART(WEEKDAY, GETDATE()), GETDATE()))​

​

1. 设备实体识别规则：​

​

规则1：设备编号（如"设备1#"、"烧结炉2"）→ 提取设备ID​

规则2：生产线名称（如"生产线A"、"产线1"）→ 提取生产线ID​

规则3：设备类型+编号（如"球磨机3#"）→ 提取设备类型和ID​

​

1. 指标实体识别规则：​

​

规则1：温度 → 映射到Temperature字段​

规则2：压力 → 映射到Pressure字段​

规则3：合格率 → 映射到QualifiedRate字段​

规则4：产量 → 映射到OutputQuantity字段​

​

语义理解算法：​

1. 查询意图分类：​

​

分类规则：​

- "查询"、"查看"、"获取" → 查询意图​

- "统计"、"汇总"、"计算" → 聚合意图​

- "分析"、"对比"、"趋势" → 分析意图​

- "导出"、"生成报表" → 输出意图​

​

1. 查询维度解析：​

​

维度解析规则：​

- 时间维度：提取查询中的时间条件​

- 设备维度：提取查询中的设备条件​

- 指标维度：提取查询中的指标要求​

- 筛选维度：提取查询中的筛选条件​

​

1. 语义消歧处理：​

• 一词多义处理（如 "状态" 可能指设备状态或生产状态）​

• 上下文语义理解​

• 同义词替换（如 "合格率"、"良品率"、"优品率"）