个人笔记 · 开放阅读
对话式问数。
一套从语义到执行的完整方案。
这里整理 Text-to-SQL / Chat-to-SQL 对话分析智能体怎么搭：数据接入、语义层、多轮理解、语句生成与纠错、只读治理、结果解释和评测。公开阅读，按模块对照落地。
总览
2026 年 3 月 18 日
落地顺序：先骨架，再语义，再灰度
最小可用：四工具 + 只读 + 纠错上限。稳了再补语义层和金标准。
阅读全文
近期笔记
全部2026 年 2 月 17 日/场景
地域、内容、活动：选错空间字段，地图会说谎
地理、去重键、活动日历，都是语义层字段，不是形容词。
2026 年 1 月 18 日/场景
订单、漏斗、库存：状态机、分母、时点
三个场景专门打智能体最容易偷换的三件事：状态、分母、时点与期间。
2025 年 12 月 20 日/场景
零售场景：门店、品类、客单，三张卡片跑通智能体
用零售把方案跑通。三问共用支付时间和剔除规则。
2025 年 11 月 20 日/分析呈现
空结果和对不上账：先对齐口径，再改生成器
零行可能是滤过头。和对账报表差一截，优先怀疑定义。
2025 年 10 月 22 日/评测
可观测性：每次问数都要能回放
看不见为什么选这张表、为什么这样 Join，就无法改方案。
2025 年 9 月 22 日/评测
金标准与灰度：先跑通每天都问的那几句
生产准确率只认你的金标准。先三张高频卡片，再开放第四句。
2025 年 8 月 24 日/语义层
外部知识：同义词、领域公式、值怎么表示
BIRD 把外部知识分成四类。软件里应对齐成知识库，而不是写在某次提示里。
2025 年 7 月 25 日/问句到SQL
结构怎么喂给生成器：DDL、M-Schema 还是样例行
同样的表，表示法不同，生成质量不同。目录应同时提供代码结构、注释和样例。