Nora → Alisa 问答流程
Nora 负责理解用户问题、保留上下文、组织工具调用并解释结果;Alisa 负责语义解析和隐含业务逻辑补全,生成 Logicform(LF),再由 SemanticDB 校验权限、生成 SQL,通过连接器查询客户数据。
下图以一次业务查数为主线,展示正常返回、未知词、查询歧义、权限拒绝和执行错误的处理路径。工具选择由 Nora 结合返回内容判断,实际可用工具受员工配置、当前空间和用户权限影响。可放大查看,也可下载 PNG。
完整流程图
正在绘制图表…
图中的数据查询工具包含完整的解析与执行过程,Nora 不需要再单独调用一个“生成 SQL”工具。未知词和多个查询解释都属于 needs_confirmation,但后续动作不同。改写问题或修正参数后,会重新调用数据查询工具;用户澄清后回到 Nora,选定 LF 执行后仍按相同查询状态处理。
图中哪些是提供给大模型的工具
图中名称带“工具”的节点,是系统提供给 Nora 大模型调用的工具:
调用记录中的工具标识可能带有 yiask- 或 yiask_sage- 前缀。例如,数据查询工具显示为 yiask-askAlisa,获取所有数据源工具显示为 yiask_sage-getAllDataSources。
Nora 的问题理解、标准化、状态判断、问题改写和结果总结,是大模型的处理步骤;用户选择口径是前端交互;Alisa 图算法解析、SemanticDB 权限校验与 SQL 生成,以及已选 LF 的执行,是系统内部处理。它们在本图中没有作为独立工具交给大模型调用。
正常查数时,内部发生什么
- Nora 标准化问题(NL2NL):理解原问题和追问,补齐上下文,保留用户指定的时间、筛选条件和已选维度。关键条件仍有歧义时先澄清。
- 调用数据查询工具(Alisa):将标准化后的自然语言提交给
askAlisa。 - Alisa 生成 LF(NL2LF):通过图算法解析业务概念及关系,补全隐含业务逻辑,生成 Logicform。发现未知词或多个查询解释时,返回待确认信息。
- SemanticDB 生成并执行 SQL(LF2SQL):按业务模型、指标定义、数据映射和用户权限处理 LF,交给 SQL 连接器执行。
- 返回查询结果:工具返回查询状态、实际执行口径和结果。支持卡片的通道使用工具返回的
executionId展示answer-card,Nora 基于真实结果总结。
多个互不依赖的问题可以批量交给 askAlisa,通常每批最多 5 个。同一指标的本期值及其同比、环比应合并为一个完整问题,由 Alisa 统一计算比较时期。
返回不同状态后,会调用什么
关键词标准名称检索工具只在 Alisa 返回未知词后使用,检索的是完整业务概念,不是整句、时间表达或零散单字。Nora 只能依据返回候选判断;不能逐个候选试查,也不能按候选数量批量生成问题。检索本身失败时,应说明失败并提示排查知识库、Embedding 服务或学习状态。
批量查询应逐项处理:保留已经成功和空结果的项目,只对未完成项进行消歧或有依据的修正。
SQL 兜底与诊断工具的边界
SQL 兜底是条件路径。当前实现会为具有物理表授权的 DeepAgent 提供 SQL 执行器工具,其他员工也可通过配置启用;SQL 工具可用时会同时提供获取所有数据源工具。调用前仍需检查本次请求的 SQL 访问范围,不能因为 Alisa 拒绝访问而改用 SQL 绕过限制。
获取所有数据源工具用于了解数据源;SQL 执行器工具可在授权范围内进行只读查询和允许的元数据检查。数据源列表不代表其中所有表都可以查询。语义关系缺失、指标定义不明确时,应先确认业务口径,不能凭名称猜测 SQL。
下面这些工具与排查有关,但不属于每次问答报错后都会自动执行的固定链路:
例如,用户问“上个月华东的开单金额”:Nora 先调用数据查询工具。如果“开单金额”被识别为未知词,才调用关键词标准名称检索工具;候选与用户含义一致时替换成标准指标名,再调用数据查询工具。如果候选有多个不同口径,则先让用户确认。若查询成功但没有可用值,流程在 empty 结束,不转入 SQL 兜底。
实施与排查入口
实施时先核对 Nora 提交的标准化问题,再检查工具状态和实际执行口径。图中分支描述的是当前默认规则;项目自定义提示词、工具配置及模型的工具调用能力都会影响实际行为。需要核对一次具体对话时,以该次工具调用记录和调试链路为准。

