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:

中文工具名称代码标识在流程中的作用
数据查询工具(Alisa)askAlisa接收自然语言问题,完成语义解析、生成 LF、生成 SQL 和执行查询。
关键词标准名称检索工具retrieveAlisa 返回未知词后,检索业务概念的标准名称,辅助 Nora 改写问题。
获取所有数据源工具getAllDataSourcesSQL 兜底时,按需获取当前可见的数据源信息。
SQL 执行器工具sqlExecutor在允许的访问范围内执行只读 SQL,作为条件兜底路径。

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

  1. 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。
  2. 调用数据查询工具(Alisa):将标准化后的自然语言提交给 askAlisa。
  3. 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。
  4. 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。
  5. 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

返回情况Nora 的下一步相关工具或交互
success使用查询数据,按实际执行口径解释结果。展示 answer-card,按需总结;不重复查询。
empty说明没有可用结果;不能直接推断为无权限。展示空结果卡片;不因空结果而重查或切换 SQL。
needs_confirmation + unknownWords从原问题还原完整业务概念,检索标准名称。候选含义明确时改写后重查。关键词标准名称检索工具 → 数据查询工具;无合适候选或仍有歧义时请用户澄清。
needs_confirmation + needLogicFormChoice展示多个查询解释,等待用户选择。查询解释选择器 → 执行已选 LF;后续追问保留已选口径。
refused告知超出员工职责或权限范围,停止此查询。不重试,也不切换其他工具绕过限制。
error,参数可以修正根据具体错误修正参数或问题后重查。数据查询工具;不能原样重复,也不能更换用户指定的维度来绕过解析失败。
error,适合 SQL 兜底检查 SQL 工具是否可用、数据源与物理表是否在允许范围内、业务口径是否明确。按需获取所有数据源工具 → SQL 执行器工具;只读查询。
error,数据库故障或无法修复如实说明未完成及需要处理的事项。给出连接、映射或服务排查建议,不编造结果。

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:

工具适用场景使用条件与边界
获取业务知识工具(getBusinessKnowledge)用户询问“能查什么”、可用指标,或需要理解业务概念。推荐问题时先用 summary 模式获取当前可见知识;业务知识不能替代真实数据查询。
获取执行结果 SQL 工具(getExecutionResultSql)需要查看某张结果卡片实际保存的 SQL。员工需有该工具;传入卡片的 executionId,只读取已保存 SQL,不执行查询,未保存时返回空列表。
学习业务知识工具(Alisa)(learnAlisa)已修正模型、属性、映射或相关业务词,需要重新学习。属于建模维护路径,需具备相应能力与权限;学习后再验证原问题。学习成功不等于业务口径或结果已正确。

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。