车间数据问答Agent：大模型工具调用实验

近期，大模型应用实验室围绕"生产数据自然语言查询"开展实验性探索，目标是让车间管理人员用一句自然语言获取MES与设备台账中的关键指标，减少对固定报表的依赖。技术路线上，我们采用大模型Agent与工具调用（Function Calling）框架：模型负责意图解析与查询规划，生成的SQL经白名单校验后由只读账号执行，聚合统计与图表渲染在后端完成，确保模型不直接触碰生产数据库。在包含312条真实问句的内部评测集上，单表过滤与聚合类查询准确率约92%，跨表关联查询约78%，错误主要集中于模糊时间表达与同义字段映射；补充字段词典与few-shot示例后，跨表查询准确率提升至86%，端到端平均响应2.4秒。下一步将引入查询结果自校验机制，对可疑SQL自动改写重试，并在合作工厂开展为期一个月的灰度试用，用真实问句持续扩充评测集。我们的初步判断是：该方向的落地关键不在模型本身，而在权限边界、统计口径统一与错误兜底设计。