落地前
业务提问后要等数据同事写 SQL,口径不一、响应慢、结论难复用。
以下配图来自案例原始演示文档,展示真实业务界面与执行结果。
业务提问后要等数据同事写 SQL,口径不一、响应慢、结论难复用。
自然语言提问即返回表格、图表与业务解读,权限可控、过程可审计。
企业经营分析高度依赖数据团队写 SQL,业务人员提问后要等排期,口径不一致、结果难复用,管理层决策节奏被拖慢。
案例建设企业级 NL2SQL 能力:结合 RAG 召回表结构、业务口径与历史 SQL,支持要素澄清、双引擎生成、权限治理与评测闭环。
自动抽取指标、维度、时间范围,缺失要素主动追问。
Milvus 向量检索相关表、字段说明与历史 SQL 示例。
大模型 + 规则约束,兼顾灵活性与执行稳定性。
角色权限、只读执行、审计日志与结果外发控制。
以下为本案例覆盖的核心场景,每个场景均对应可复用的 Skill 与执行闭环。
「本月销售额 Top 10 品类」自动识别实体、生成 SQL 并返回图表。
按时间、区域、渠道多维下钻,输出表格与业务解读。
识别滞销、缺货与库存周转异常,并给出跟进建议。
自然语言查询应收应付差异,支持口径澄清与权限校验。
把多个指标查询结果整合为管理层可读的分析摘要。
抽取指标、维度、时间范围,缺失要素主动追问。
向量检索相关表、字段说明与历史 SQL 示例。
大模型 + 规则约束双引擎,在只读权限下安全执行。
输出表格、可视化与下一步动作建议。
梳理核心表、字段口径与高频问题。
建设数据字典、实体同义词与标准 SQL。
选销售或运营场景验证准确率。
按召回率、执行率持续迭代。
销售、运营、财务可直接用自然语言获取数据结论。
数据字典、黄金 SQL 与权限边界确保结果可信。
按召回率、执行率迭代,问数能力越用越准。