介绍项目的召回、重排和 SQL 生成链路。

核心回答

以电商问数为例，项目面向需要查询经营指标的业务用户。用户问“上月华北地区的销售额”，系统需要把“销售额”映射到确定的指标口径，把“华北”映射到真实字段取值，把“上月”换成明确时间区间，最后才能生成可执行的查询。

完整链路可以概括为：在授权范围内召回表、字段、指标和取值，精筛并补齐关联，生成 SQL，再经独立校验与受限执行返回结果。 召回负责不漏关键知识，重排负责把有限上下文留给当前问题真正需要的内容，SQL 生成负责组合查询逻辑。

召回与重排具体做什么

先由后端确定用户可见的数据源和元数据范围，再从问题中提取指标、维度、实体和时间。字段与指标描述适合语义检索；字段名称、别名和具体取值可以结合关键词检索；已审核的问句与 SQL 示例能提供写法参考。精确名称匹配和语义匹配可以互补，不必把所有知识都放进同一种索引。

合并时按稳定的表、字段或指标 ID 去重，保留来源和版本。重排可以采用专门的模型，也可以用规则或大模型精筛，但应看它是否改善下游查询正确性，不能仅凭文本相似度判断成功。筛选后还要补齐必需的连接键、关联路径和计算依赖：某张桥接表与问句字面上不相似，也可能是正确连接必需的。

如果两个“销售额”指标口径冲突，或业务上没有唯一确定的关联，应先澄清，不能让重排悄悄替用户决定。

从上下文到查询结果

给生成模型的上下文应包括选中的表字段、关联关系、指标公式与过滤条件、单位、时间边界、数据库方言和少量相关示例。字段取值只提供当前任务必要且允许披露的部分，不把整张表样本传给模型。

生成的 SQL 仍是候选。后端解析语句，检查对象与操作权限；在受控连接上检查语法、执行计划和资源预算；通过后以只读账号限时执行。校正后的 SQL 必须重新走相同检查，并限制校正次数。

返回前再核对结果粒度、单位、时间和异常规模，基于实际结果解释答案。追踪记录应能区分“没召回正确指标”“重排删掉了连接字段”“生成写错条件”和“执行超时”，这样优化才有针对性。

对应教程

参考资料