数据问数一键直达！澜舟智能体问数技术，解锁高效数据交互新范式

在企业日常运营中，数据散落在 Excel 报表、MySQL、PostgreSQL 等各类存储中。业务人员提出“华东区上季度销量环比增长超过 10% 的门店”“检验合格的都是哪些公司的什么产品”这类问题时，传统路径是：提需求 → 数据工程师写 SQL/Python → 排期开发 → 交付验证。一次简单查询往往耗时数小时甚至数天，数据团队也深陷重复取数的低效循环。

其背后的核心矛盾在于：数据量爆炸增长，但数据获取门槛并未同步降低。

针对结构化数据问答场景，澜舟智能体问数技术提供了一套 NL2Python（面向 Excel）+ NL2SQL（面向数据库） 双引擎方案。本文将从技术架构、评测方法、效果数据、典型错误分析四个维度，完整呈现该方案的设计思路与落地效果。

澜舟问数系统分为两条技术路线，但共享同一设计哲学：把不确定性降到最低——通过 Schema 校验、元数据增强、模板召回、自验证循环等机制，将自然语言的歧义性逐层收窄，最终输出可执行、可复现的代码与结果。

• 阶段一：文件入口与合法性检查

用户上传 Excel 后，预处理模块将文件流转换为内存对象，并通过预设的 Excel Schema 进行校验：列名是否匹配、数据类型是否合规、必填字段是否存在、值域范围是否合法。任一条件不满足时，系统立即返回明确的“文件不合法”提示，避免无效计算进入后续环节。合规文件则被提取表、列、值等元数据并持久化。

• 阶段二：自然语言需求捕获

系统将 Prompt 模板、用户自然语言问题以及阶段一产出的元数据一并送入 LLM。LLM 在此环节扮演“需求翻译官”——将口语化提问（如“找出销量环比增长超过 10% 的门店”）转化为结构化的、带字段名与计算逻辑的形式化描述。

• 阶段三：NL2Python 代码生成

形式化描述传入 NL2Python 模块，一次性生成可执行的 Python 脚本。工程约束如下：

• 代码必须自包含、可重入；

• 所有依赖（pandas、numpy、openpyxl 等）在隔离容器中预装；

• 代码头部自动注入 Excel 文件路径与结果输出路径，实现“开箱即跑”。

• 阶段四：执行与结果回收

生成的 Python 代码通过 exec() 在沙箱中执行。成功时，标准输出与序列化结果（CSV/JSON）被捕获；失败时，系统捕获报错信息，重新生成代码。

• 阶段五：答案生成与可视化

执行结果与用户原问题再次送入 LLM，映射为最终的自然语言答案。同时支持将结果表格自动渲染为图表（折线/柱状/饼图等）。

数据集：共 600 条内建测试数据，包含300条简单问题数据和300条困难问题数据。

评估标准：采用 LLM 四分量表打分（0-3 分），以 score ≥ 2 视为正确。

• 3 分：回答完全正确，语义与内容高度一致。日期字段需换算为日期格式后比较。

• 2 分：基本正确，语义一致但表达或细节有差异；或结果为标准答案的子集。

• 1 分：部分正确，存在明显错误或遗漏重要信息。

• 0 分：完全错误。

亮点能力说明：

• 元数据增强：对 MySQL 等数据库运行 m-schema 解析，自动抽取字段枚举值、取值分布、业务注释，生成“表扩展信息库”。相当于给每张表配了一份“活字典”——字段别名、业务含义、枚举值、样例数据四件套，显著降低 LLM 幻觉。

• 专业术语对齐：维护行业术语库（同义词、缩写、中英文映射）。用户问“PV”自动改写成 page_view，“销售额”对齐 GMV。

• 意图-SQL 模板关联：离线挖掘历史日志，建立“意图标签 → SQL 模板”映射。线上召回 1～3 条高相关模板，让 LLM 先“抄作业”再“做题”。

• 自验证循环：执行失败 → 自动捕获错误码/报错信息 → Prompt 中追加“错误原因” → LLM 重新生成。

• 图表可视化：根据字段类型自动匹配渲染策略——时间+数值→折线图；分类+数值→柱状图/饼图；地理字段→地图。

• 模板沉淀正循环：用户点击“答案正确/采纳”时，系统将“标准化问题 + 最终 SQL”沉淀到模板库，后续优先召回高频、高评分模板。

数据集：Falcon（https://github.com/eosphoros-ai/Falcon/tree/main），源自论文 https://arxiv.org/pdf/2510.24762 中的 dev 数据集。包含 28 个数据集、90 张表，共 500 道中文题目（dev 集合中带 ground truth 的 309 条）。

评估标准：同样采用 LLM 四分量表（0-3 分），score ≥ 2 视为正确。核心差异在于评分依据是结果表格而非自然语言答案：

• 3 分：结果表格与标准答案在行集合、列对应上完全等价（列名可不同，但每列取值一致）；数值允许合理误差（如 4.514 vs 4.51）。

• 2 分：SQL 思路基本正确，结果大部分一致（如因未去重等因素导致的不同）。

• 1 分：部分正确（主要表或关键条件正确，但漏条件/多条件/聚合方式错误）。

• 0 分：完全不符。

数据来源：内部评测，基于 Falcon dev 集合（309 条 ground truth）。ours 包含元数据增强、术语对齐、模板召回、CoT、自验证等完整 pipeline。

• 财务分析：月度利润表环比/同比自动计算，异常科目高亮

• 运营监控：DAU/MAU 趋势查询，渠道来源分布自动出图

• 供应链管理：库存周转天数超阈值门店过滤，多条件组合筛选

• 研发效能：各项目 Bug 解决时长分布，按负责人聚合统计