对话式问数智能体：一整套方案先长什么样

你要的不是「把一句话译成 SELECT」的小技巧，而是一套能上线的对话式问数软件。业界把这条链路叫 Text-to-SQL、NL2SQL、ChatBI 或对话式分析。名字不重要。软件上必须同时具备：听懂业务话、找对表和指标、写出可执行语句、在只读边界里跑、把结果解释回人话，并且能复盘为什么错。

公开落地文（观远「智能问数怎么实现」）把最小骨架写得很克制：一组工具、一段对话历史、一个规划-执行-反馈循环。工具通常是列出表、描述结构、抽样、执行 SQL。没有这四件「手和眼睛」，生成器看不见库，只能默写。

再往上补三块，才像完整产品：

1. 语义层。指标、维度、同义词、Join 路径先钉死。提问先落到「要什么」，再编译成 SQL。人人都是产品经理那篇 NL2MQL2SQL 报告把这条路线说清楚了：直接写 SQL 太自由，口径会漂。
2. 治理。只读账号、权限写进谓词、限行限时、脱敏、审计。腾讯云开发者社区那篇实现路径把权限前置和异常兜底写成生产条件，不是可选项。
3. 评测。Spider 看跨库结构，BIRD 看脏值和外部知识，Spider 2.0 看企业级千列工作流。没有金标准，准确率只是感觉。

本站后面的笔记按这张地图排。读的时候把它当成软件模块，而不是散文题目。

出处

• 观远数据，《智能问数怎么实现？以代理为核心的 NL2SQL 架构拆解与落地清单》
• Miracle，《构建认知桥梁：NL2MQL2SQL 架构》，人人都是产品经理
• Li et al., BIRD, arXiv:2305.03111；Yu et al., Spider, EMNLP 2018；Lei et al., Spider 2.0, arXiv:2411.07763
• GitHub: eosphoros-ai/Awesome-Text2SQL；HKUSTDial/NL2SQL_Handbook