自然语言查数据库：数据问答智能体怎么搭稳
业务同事天天找我跑数："上季度华南区退货率多少""排个 Top10 客户出来"。我嫌烦，搭了个能用大白话查数据库的智能体，让他们自己问。听着简单，真要搭稳，坑不少。重点不是把自然语言转成 SQL——那一步现在的模型基本能做——而是怎么让它别查错、别瞎编。
整体怎么搭
我在一个拖拽就能配流程的智能体平台上拉了这么一条链路：
用户用大白话提问。
模型结合表结构把问题转成 SQL。
把 SQL只读地跑到数据库。
拿结果再让模型组织成人话回复。
最关键的是第 2 步要把表结构喂给模型——表名、字段名、字段含义。不喂，它就按自己的想象编字段名，SELECT 退货率 FROM 订单表，数据库里压根没这字段，直接报错。
让它查准的几个动作
字段加注释。光给字段名
cust_lv模型不懂，我把"cust_lv=客户等级，1普通2银卡3金卡"一起喂进去，它才不会把"金卡客户"翻译错。枚举值列出来。地区字段实际存的是"华南/华东"还是"south/east"，差一个字就查空。我把可选值都列给它。
限制只读。这条是底线。只给查询权限，物理上杜绝它生成
UPDATE/DELETE把生产库干掉。我一开始没限，测试时它真的生成过一条 DELETE，吓出汗。SQL 先回显。复杂查询我让它先把生成的 SQL 亮出来，结果旁边标"基于以下查询"，业务同事能核对，我调试也方便。
踩得最狠的坑：聚合口径
同事问"销售额"，模型默认SUM(amount)，但公司口径是要扣掉退款的。模型不知道这条业务规则，算出来的数比真实值高一截，同事拿去汇报差点出事。后来我把这类业务口径写进系统提示，当成硬规则："销售额一律 = 订单额 - 退款额"。这种隐性口径，模型再聪明也猜不到，必须人喂。
没搞定的部分
多表 JOIN 一复杂，它还是会偶尔关错表。我现在的兜底是：把最高频的几个查询做成预设模板，模型只填参数；只有非标准的临时问题才让它现写 SQL。模板覆盖了大概七成日常需求，剩下三成接受偶尔要我兜一下。
搭完这个，业务同事自助查数的比例明显上来了，我清净了不少。
（转 SQL 和组织回复用的模型我挂讯飞 MaaS，调现成 API，没自部署，省得为这点查询自己养模型。）