在数据智能方向的实验中，我们把「业务人员用一句话查产线指标」作为切入点。真正的难点不在生成 SQL，而在口径：同一句「上周良率」，工艺、品质、财务三处的分母可能各不相同。
本期做法是把指标拆成三层——原子字段映射、业务口径（时间窗、过滤条件、分母定义）、权限范围。模型负责选指标、填参数、判断是否需要反问澄清，SQL 由语义层模板生成，不直接对库自由发挥。
进展：在内部 60 条真实提问（覆盖良率、OEE、停机工时、能耗单耗四类）上，语义层方案的首次命中口径准确率为 82%，其中 15% 的提问需追问澄清；相比让模型直连表结构的基线，口径错误率下降约六成。剩余错误集中在跨班次归属与设备口径变更两类场景。
下一步计划接入指标变更日志，使历史查询自动绑定当时的口径版本，并补充「口径冲突解释」输出：当两个部门的定义不一致时，给出差异说明而不是强行取一个。
评论