NL2SQL分层路由ReAct AgentFAISS企业分析
企业 ChatBI / NL2SQL 系统
为物流分析建设 ChatBI 系统，用分层路由、引导澄清、检索、校验和 ReAct 工具编排，替代可靠性不足的纯大模型路径。
问题与约束
业务用户依赖数据团队完成日常分析。纯大模型 SQL 方案只有 60% 查询准确率，领域语言、不完整问题、复杂 Schema 和业务指标口径都让直接生成结果不够可靠。
工程职责
围绕三层执行路径建设并重构系统，接入 Schema 与业务上下文、少样本检索，并为复杂查询编排分析工具。
系统架构
意图路由→规则模板→引导澄清→ReAct Agent→SQL 校验
技术方案
- 高频查询采用确定性模板，不调用大模型即可达到 99% 准确率
- 生成 SQL 前通过引导交互补齐缺失参数
- 建设六工具 ReAct 路径，覆盖 SQL 执行、预测、异常检测、根因分析、Schema 查询和 FAISS 检索
- 引入 Schema 上下文、业务定义和历史示例增强 Grounding
- 只让需要推理的复杂分析进入延迟更高的 Agent 路径
生产影响
查询准确率从 60% 提升到 85%，数据团队日常工作量降低 90%，为业务用户提供更可靠的自助分析路径。
该案例证明
证明我能够把概率式推理与确定性路由、工具、数据上下文和校验组合起来，建设可靠的企业大模型应用。