数据分析实验室近期把「自然语言取数」作为一次边界明确的实验，场景限定在车间与质量日报的取数需求。
流程分三段：问题→语义层字段→SQL。关键不在模型本身，而在于先把指标口径（产量、良率、稼动率、单位能耗）沉淀为带维度、时间粒度、过滤条件与同义词的语义层，模型只做字段映射，SQL 由模板拼装，避免直接生成裸表查询。执行前加两道校验：口径一致性（同一指标在不同报表是否指向同一计算逻辑）与结果合理性（行数、时间跨度、空值比例）。
阶段性进展：在 320 条内部真实取数问题上，首轮 SQL 可执行率 89%，口径命中率 84%；失败集中在「跨表口径不一致」与「时间粒度歧义」两类，占全部错误的七成以上。
下一步计划接入指标血缘，使口径变更能自动回溯影响范围；同时把人工修正结果回流为样例，而不是依赖持续堆叠提示词。
评论