一次 Text-to-SQL 系统的深度优化实践
一、痛点：维护成本高、准确率低
1.1 数据化的痛点
在我们的 ChatBI 智能问答系统上线了一段时间。在运营阶段，遇到了三个费时费力的核心问题：
问题1：海量别名维护成本极高
问题2：用户表达多样化导致准确率低
问题3：扩展性差
1.2 量化的业务影响
二、效果：准确率提升至 95%，维护成本降低 90%
项目组大概用了 1 个月的时间，参考了行业诸多 N2SQL 类产品的解题思路。
在 dify 系统上，通过巧妙的 别名配置知识库优化+代码提取 ，实现了 查询准确性提升 和 维护难度降低 以及 响应时间缩短的多项指标成果。
2.1 核心指标对比
| 准确率 | 90%+ | +10% | |
| Prompt 长度 | -50% | ||
| Token 消耗 | -30% | ||
| 新增车型耗时 | <1 分钟 | -90% | |
| 维护成本 | <30 分钟/周 | -80% | |
| 响应时间 |
2.2 实际测试结果
测试规模：100+ 测试用例
测试结果：
三、解决方案思路总览
3.1 核心理念：三层混合架构
我们采用了 "不穷举、分层处理、智能匹配" 的设计理念：
**用户问题**
↓
【第一层】Prompt 约定（10-20 个核心高频词）
↓ 100% 准确，零延迟
【第二层】RAG 知识库检索（中低频+长尾情况解决）
↓ 语义理解，自动召回
↓ 无需穷举，自动处理
标准化问题 → SQL 生成
3.2 技术架构
四、分步解决方案
步骤 1：构建实体别名知识库
1.1 按表分文件策略
我们为每个数据表创建独立的别名知识库文件：
为什么按表分文件？
文件结构：
### 集团：比亚迪汽车
**标准查询名**：比亚迪汽车
**常见别名**：比亚迪、BYD、byd、迪子
**所属表**：行业表
**字段名**：group_name
1.2 知识库配置
在 Dify 中创建知识库：
名称：实体别名库_全部
文件：5 个 md 文件（行业表、批发表、终端表、产量表、库存表）
配置：
检索模式：混合检索
权重设置：语义 0.7，关键词 0.3
Top K：3
关键配置说明：
步骤 2：构建实体链接处理器（30 分钟）
2.1 知识检索节点设计
在 Dify 工作流中添加知识检索节点：
2.2 RAG 实体解析（代码节点）
输入变量 arg1 ：选择上一个节点输出的检索结果。
代码区域输入如下代码：
def main(arg1: dict) -> dict:
return {
"result": [item["content"] for item in arg1]
}
输出变量：result，变量类型选择 Array [String]
步骤 3：修改 AI 生成 SQL 节点（15 分钟）
3.1 简化 Prompt
删除内容（约 2500 字）：
# 二、组织和别名
- **一汽集团**（又名 一汽、一汽汽车）
- **长安汽车**（又名 长安）
- **东风**（又名 东风集团）
- **长城**（又名 长城汽车）
- **悦达**（又名 悦达集团）
- **零跑汽车**（又名 零跑）
- **福特**（又名 福特汽车）
- **小鹏汽车**（又名 小鹏）
- **小米汽车**（又名 小米）
- **蔚来汽车**（又名 蔚来）
- **比亚迪**（又名 比亚迪汽车）
- **上汽**（又名 上汽集团）
- **吉利**（又名 吉利汽车）
（删除所有硬编码的别名定义）
保留内容：
# 黄金准则 0-5（核心 SQL 生成规则）
# 一、核心指标说明
# 三、报表和字段说明（DDL）
3.2 修改知识检索
修改为：
{{#提取标准查询信息.result#}}
效果：
五、意义和价值
技术价值
1. 架构创新
2. 可扩展性
3. 可复用性
六、后续优化方向
6.1 短期优化（1-3 个月）
1. 自动化补充
2. 跨表关联优化
3. 多模态支持
4. 智能推荐
5. 知识图谱集成
