智能问数NLQ 令准确率失去意义的
Text2SQL技术

DSL使用规范的自然语言

NLQ引擎 – 100%准确率的保证

基于词典的规则引擎保证准确性

SELECT 订单金额 as 订单金额,订单编码,客户名称,签单日期,发货日期,收货日期 
FROM orders
WHERE 订单金额>=1000
					

SQL

SELECT
    T_1."AMOUNT"      AS "订单金额",
    T_1."ORDERID"     AS "订单编码",
    T_1."SIGNDATE"    AS "签单日期",
    T_1."SHIPDATE"    AS "发货日期",
    T_1."RECEIVEDATE" AS "收货日期"
FROM
    ORDERS T_1
WHERE
    T_1."AMOUNT" >= 1000;

基于单一数据源且不涉及聚合计算：

• 字段精确映射：将“订单金额”、“客户名称”等自然语言词汇准确对应到数据库字段
• 条件准确转换：将“不低于 1 千元”转换为精确的数值比较条件订单金额 >=1000
• 结果集规范：明确指定需要返回的字段集合

SELECT orders.sum(订单金额) as 总金额 
ON city as 城市 
FROM orders
BY 发货城市
					

SQL

SELECT
    T_1."SHIPCITY"            AS "城市发货",
    SUM(T_1."AMOUNT")         AS "总金额"
FROM
    ORDERS T_1
GROUP BY
    T_1."SHIPCITY";

引入了维度和聚合的概念：

• 维度建模：通过 ON city as 城市明确定义分析维度
• 聚合计算：使用 sum(订单金额) 实现指标汇总
• 分组逻辑：BY 发货城市 指定了分组依据字段

SELECT
    客户编码,客户名称,联系人,联系人职务,城市编码,
    orders.count(DISTINCT 订单编码) AS 订单数,
    orders.sum(订单金额) AS 总订单金额
FROM customer 
JOIN orders 
HAVING (订单数> 5)
					

SQL

SELECT
    T_1.“CUSTID”        AS “客户",
    T_1."CONTACT"       AS "联系人",
    T_1."CONTACTTITLE"  AS "联系人职务",
    T_1."CITYCODE"      AS "城市编码",
    T_2.F_2             AS "订单数",
    T_2.F_3             AS "总订单金额"
FROM
    CUSTOMER T_1
LEFT JOIN (
    SELECT
        T_2."CUSTOMERID"  AS F_1,
        COUNT(1)          AS F_2,
        SUM(T_2."AMOUNT") AS F_3
    FROM
        ORDERS T_2
    GROUP BY
        T_2."CUSTOMERID"
) T_2
    ON T_1."CUSTID" = T_2.F_1
WHERE
    T_2.F_2 > 5;

处理复杂数据关系的能力：

• 多表关联：通过 JOIN orders 实现客户表与订单表的关联
• 混合查询：在主表明细基础上挂载子表聚合结果
• 自动关联：基于元数据自动推导 customer 与 orders 间的关联条件
• 结果集过滤：通过 HAVING 对结果集进行过滤

SELECT orderdetail.count(DISTINCT 订单编码) as 订单总数,
       website_event.sum(在线订单()) as 汇总在线订单数 
ON ProductType as 类别 
FROM orderdetail
BY 产品类别 
JOIN website_event
BY 产品分类

SQL

SELECT
    COALESCE(T_1_2."TYPE", '未分类')            AS "类别",
    COUNT(DISTINCT T_1_1."ORDERID")        AS "订单总数",
    COUNT(DISTINCT CASE 
                       WHEN T_1_3."EVENTTYPE" = 'purchase' 
                       THEN T_1_3."EVENTID" 
                       ELSE NULL    END)                    AS "付款数"
FROM
    ORDERDETAIL T_1_1
LEFT JOIN
    PRODUCT T_1_2
    ON T_1_1."PRODUCTID" = T_1_2."PRODUCTID"
LEFT JOIN
    WEBSITE_EVENT T_1_3
    ON T_1_1."PRODUCTID" = T_1_3."PRODUCTID"
    AND T_1_3."EVENTTYPE" = 'purchase'
GROUP BY
    T_1_2."TYPE"
ORDER BY
    T_1_2."TYPE";

更复杂的指标查询范式：

• 多源整合：从 orderdetail 和 website_event 两个独立数据源分别计算指标
• 维度对齐：通过 ON ProductType 实现不同来源数据按统一维度对齐
• 复杂指标：在线订单() 代表可预定义的业务指标计算

小结：各部件的作用

• 规范文本

  双向可读 DSL，人类可确认

• NLQ

  业务与数据的桥梁，领域知识的载体，确保100%准确性

• MQL

  精确承载查询语义，支持复杂查询能力

• DQL

  透明化表间关联，让用户无需关心 JOIN 逻辑

• SPL

  处理复杂业务指标计算和跨行运算

NLQ优势总结

• 灵活性

  可选LLM保持灵活多样语言输入

• 幻觉可控

  规范文本人类可读可确认

• 准确性

  基于词典的NLQ引擎转换准确

• 复杂性

  MQL-DQL-SPL支持复杂查询

• 高性能

  高性能算法突破数据库性能瓶颈

• 低成本

  无需GPU普通CPU环境即可部署

构建DQL元数据可视化IDE

构建NLQ词典可视化IDE

排名

组内排名

环比

组内环比

外观控制-显示格式

外观控制-条件控制

数据过滤（切片切块）

排序

行列转换

统计图绘制

更改统计图类型