口径散落各处
同一个「销售额」，可能写在三个 Agent 的三份 Prompt 里，很快产生口径漂移。
让模型写出一条能跑的 SQL 早就不难了
难的是它每次都指向同一个业务口径
典型做法是把表结构、字段注释和几条 SQL 样例拼进 Prompt，让模型直接生成物理 SQL。它适合快速验证，却会在业务扩大后失控。
Join 路径每次重猜
同一张订单表，在不同问题里可能被模型选出不同的 Join 路径，金额悄悄翻倍。
Schema 一改就漂移
一个新字段进入 Schema，就可能无意间改变线上查询的范围与结果。
修复无法迁移
补一条 Few-shot 通常只修复相近问法，换个表达或换个模型，问题又会回来。
最危险的不是答不出来。拒答和澄清对用户可见，而一个看起来正常的错误数字不可见。
LLM 理解意图，编译器负责正确执行
完整查询依次经过五个阶段，任何一步无法证明安全就不进数据库
- 01Mapper说法映射
把自然语言映射到已发布的业务名，依赖业务词典与语义索引
- 02Parser生成 S2SQL
只输出业务名，不出现任何物理表名、列名和 Join 语句
- 03Corrector治理校验
校验成员、过滤值、聚合口径与人工确认义务是否全部落实
- 04Translator确定性编译
绑定冻结的安全 Join 路径，编译出参数化物理 SQL
- 05Guard执行边界
只读 AST 白名单、结果行数上限与执行超时，只读事务访问数据库
模型提议、编译器裁定——校验比选择容易。更换 Chat 模型不会顺带改变业务口径。
六大核心能力
从语义建模、发布治理，到问数、诊断与反馈回流的完整闭环
01
统一语义目录
业务定义是模型数据，不是 Prompt 附件
目录包含 Model、Relation、Metric、Dimension、Term 和 DimensionValue。业务名称、别名、指标公式、默认聚合、可加性、时间轴和真实维度值全部作为受治理资源维护。
原子与派生指标公式、默认聚合、展示格式与半可加约束逐项定义
指标时间轴明确每个指标按哪个时间字段做同比、环比与时间过滤
业务词典「营收」「流水」「GMV」映射到同一个受治理指标
真实值字典低基数维度采样真实取值，让「华东区」被正确识别
同一份 Release 服务问数页、Agent、结构化 API 与回归评测，口径始终一致
02
AI 建模，人工掌握发布
AI 提高效率，但产出始终是可逐项审核的草案
AI 可以生成实体命名、字段角色、指标与维度草案和别名建议。所有建议先进入 Candidate Revision，覆盖人工内容的建议默认不选中，必须经过审核才会生效。
实体与字段命名把 t_ord_mst 这类物理表名映射成可读的业务实体
关系画布在画布上人工确认实体关系与 Join 基数，避免聚合扇出
结构校验检查指标引用、维度绑定、路径合法性与时间轴可用性
真实数据质量报告用只读查询验证主标识唯一性、基数、扇出与可达性
结构校验通过不代表模型对，只有真实数据能暴露基数与扇出问题
03
S2SQL 确定性编译
LLM 不生成最终 SQL，编译器才决定怎么查
作用域不在提问时由路由器挑选，而是生成后确定性反推：模型写出业务名 S2SQL，编译器逐个真实作用域尝试翻译——恰好一个成功即绑定，零个说明跨了事实根，多个则按粒度收敛取最粗。
冻结 Join 路径发布时冻结从事实根出发的安全路径，线上不临时推断
参数化 SQL物理 SQL 全部参数化，不做字符串拼接
高级查询形态集合运算、同比环比、滚动比率、组内占比、每组取前 N
Fail closed成员、路径或版本无法证明安全时拒绝执行，而非继续查库
把规则交给确定性编译器后，换模型不改口径，Agent 也不需要知道物理表名
04
面向业务用户的问数体验
回答里写清系统怎么理解的，而不是默默替用户决定
业务同事直接用中文提问，系统按阶段流式推送进度，回答卡上以「理解 chip」显示补上的理解，下面可以继续追问和下钻。
系统理解说明把「销售」认成销售金额这类推断显式说出来
默认时间窗可见可撤补上的时间范围在回答上可见，可一键改回不限时间
确定性下钻在文本 S2SQL 上换过滤值、维度、指标或时间窗，形状不支持则明确拒绝
报表沉淀满意的回答钉成卡片按项目归档，可刷新重跑并导出 Excel
业务人员需要确认的永远是业务含义，不是内部执行计划
05
固定阶段诊断与可观测性
让问数系统能像普通软件一样测试和定位
每次查询都有固定阶段的时间线，可以定位问题发生在映射、解析、校正、翻译还是执行，并导出脱敏 Markdown 报告。
阶段时间线每个阶段的真实耗时一目了然，排障从猜测变成定位
模型调用明细每次模型与向量调用的用途、尝试次数、耗时与 prompt 规模
脱敏导出自动脱敏密码、API key、连接串凭据与确认 token
Golden Suite用真实问题建立回归集，发布前验证本次改动是否让老问题退化
同样一句「答不出来」，在 Mapper 失败要补词典，在 Translator 失败要改模型
06
词汇缺口回流闭环
问不出来的说法不会就这么算了
拒答、澄清、模型自己猜的成员、不认识的取值，以及用户的点赞点踩，都进同一个收件箱，按说法聚合后回流到建模端。
六类信号收敛拒答、澄清、模型猜测、取值不认识、点赞、点踩
按说法聚合按真实短语聚合并统计频次，优先修高频问题
一键补词典直接把缺口补进业务词典，发布后对所有入口生效
不可变版本绑定失败记录与质量报告绑定同一 Revision / Release
词典是可审核、可发布、对所有人生效的语义资源；一条记忆不是
产品界面
从数据源接入、语义建模，到问数与一键诊断
能力矩阵
覆盖数据源、建模、编译、治理、诊断与私有化部署
数据源
PostgreSQLMySQLExcel 上传多数据源按项目绑定
数据建模
Schema 快照漂移检测关系画布基数确认SQL Model
AI 建模
实体命名角色分类指标草案别名建议值字典建议
查询编译
S2SQL冻结路径参数化 SQL只读 Guard粒度收敛
高级查询
Set operations同比 / 环比滚动比率组内占比每组 Top-N
版本治理
RevisionETag不可变 Release语义索引绑定版本回滚
质量保障
双模式 PlaygroundGolden Suite数据质量报告阶段诊断脱敏导出
部署形态
Docker Compose独立 Web UIOpenAI 兼容端点内网自托管模型离线部署
语义层，而不是更长的 Prompt
同样一句自然语言提问，两种做法在关键环节上的差别
| 关注点 | KnowFlow 智能问数 | 直接 Text-to-SQL |
|---|---|---|
| 业务定义 | 指标、维度、术语和值字典进入版本化 Catalog | 写在 Prompt、文档片段或 Few-shot 中 |
| Join 与粒度 | 人工确认关系基数，发布时冻结安全路径和事实根 | 模型根据 Schema 临时推断 |
| SQL 生成 | LLM 输出业务名 S2SQL，编译器生成参数化物理 SQL | LLM 直接输出物理 SQL |
| 歧义处理 | 展示业务候选并要求确认，选择必须真的被用上 | 改 Prompt、增加样例或静默选一个 |
| 复用范围 | 同一 Release 服务 Agent、UI、API、评测与数据应用 | 通常绑定某个 Agent 或问数入口 |
| 变更控制 | Candidate Revision 审核、校验、发布、回滚 | Prompt 修改后整体行为可能漂移 |
| 失败策略 | 成员、路径、聚合或版本无法证明时 fail closed | SQL 语法合法就可能执行 |
准确性，不只是「有多少题返回了结果」
走与浏览器相同的鉴权 API，从原始数据库导入、建模、发布到隐藏问题试问，逐行比对参考 SQL 结果
| 数据集 | 正确题数 | 准确率 | 静默错答 |
|---|---|---|---|
| 电商集 | 12 / 12 | 100% | 0 |
| 城市与图书馆集 | 11 / 12 | 91.7% | 0 |
| 音乐 Holdout 集 | 9 / 12 | 75% | 0 |
| 合计 | 32 / 36 | 88.9% | 0 |
这是特定数据集上的对照实验，不是通用 Text-to-SQL 基准结论。我们公开它，是为了说明评测走的是用户实际经历的完整链路，而不是绕过建模与发布流程直接向组件灌入整理好的语义数据。
开源版与商业版
两者共用同一份语义模型与同一个查询引擎
| 能力 | 开源版 | 商业版 |
|---|---|---|
| 建模工作台（数据源、语义建模、问数验证、问数反馈） | ✓ | ✓ |
| AI 一键建模、别名与值字典建议 | ✓ | ✓ |
| 发布、版本回滚、发布前质量报告 | ✓ | ✓ |
| S2SQL 编译、治理关卡、只读 Guard、查询 API | ✓ | ✓ |
| PostgreSQL / MySQL / 上传表格，多数据源 | ✓ | ✓ |
| 词汇缺口收件箱、Golden Suite、诊断导出 | ✓ | ✓ |
| 问数助手：对话式提问、多轮追问、下钻、结果解读 | — | ✓ |
| 报表：钉成卡片、按项目归档、刷新重跑、导出 Excel | — | ✓ |
| 项目授权与数据范围：多用户 RBAC、行级与列级权限 | — | ✓ |
| 与知识库、Agent、企业账号体系打通 | — | ✓ |
| 企业账号、LDAP / OIDC、企业微信登录 | — | ✓ |
典型应用场景
从业务自助分析，到 Agent 与嵌入式数据应用
业务自助问数
业务同事不写 SQL、不等排期，直接用中文问经营数据，回答带系统理解说明并可继续下钻。
中文提问理解可见确定性下钻
AI Agent 数据工具
Agent 通过资源 API 获取业务定义并发起受治理查询，不需要自己拼物理表、列和 Join。
资源 API受治理查询口径一致
经营报表与日常复盘
把稳定的问数结果钉成报表卡片，按项目归档，随时刷新取最新数字并整页导出 Excel。
报表卡片刷新重跑Excel 导出
嵌入式数据应用
业务系统把智能问数作为独立查询后端，复用同一套指标定义与权限边界，不重复建模。
结构化查询统一口径权限边界