#Nora问答错误排查

每个AI员工有着各自不同的逻辑，本篇文章介绍下Nora（最通用的问答AI员工）在遇到结果不符合预期时，如何排查以及调整。

#Nora的核心逻辑

Nora的完整流程如下：

#排查步骤

当出现的结果和预期不相符或者报错时，按照以下步骤进行排查：

#前置检查：问答持续 loading 转圈

如果问答结果一直处于 loading 状态（持续转圈），首先需要检查 Embedding 模型是否正常运行。

检查方法：

进入 业务建模 -> 数据管理 -> 学习所有数据，查看学习进度。重点关注最后的 Embedding 阶段是否正常完成。

• 如果 Embedding 阶段报错或卡住，说明 Embedding 模型可能配置错误或服务异常，需要检查：

  • Embedding 模型服务是否正常运行
  • 模型配置（如 API Key、模型名称）是否正确
  • 网络连接是否正常

• 只有当 Embedding 阶段正常完成后，问答功能才能正常工作。

#第一步：检查标准化后的提问是否正确

首先查看 Nora 给到 Data Query（Alisa） 工具的标准化后的提问是否正确。

查看位置：Data Query（Alisa）工具的参数以及结果卡片的标题中可以看到。

#第二步：根据 Data Query（Alisa）工具的表现分类处理

情况一：标准化后的提问不正确

这是 Nora 大模型问题标准化的问题，可能的原因：

• 问题本身表述不清或有歧义
• 需要调整提示词（Prompt）来引导大模型更好地理解问题。调整位置：AI员工市场 -> 进入管理后台 -> 编辑Nora -> 人物设定，在里面修改系统提示词。

如果是字段模糊匹配这类固定改写场景，可以参考：字段模糊查询场景解决方案。

情况二：标准化后的提问正确，但工具展示了报错

如果看到报错信息或显示 参数: {"question": xxx}，点击这张卡片进行展开，可以看到具体报错原因。

此时问题出在 Alisa/SQL 层面。如果出现 unknownWords 标签，说明有一些措辞在数据库/向量库中无法匹配。可以通过添加同义词或配置属性匹配正则表达式等方式进行处理。

如果以上方式无法解决，此时的信息较少，可以联系技术人员进行技术支持。本产品也会持续更新，开放更多信息以供查错。

情况三：工具展示了数据卡片，但数据不对

点击数据卡片右上角的 debug 按钮进行排查。

#检查分词

在 debug 页面中，重点查看分词部分，主要关注以下两列：

首先检查标准化后的词是否理解正确：

• 如果理解正确但结果错误：这是一个 Bug，可以直接联系技术人员进行处理。
• 在大多数情况下，数据不对是因为分词不正确，继续往下排查。

#分词不正确的原因及处理

分词不正确主要有以下原因：

1. 建模错误

常见问题包括：

• 缺少 Schema
• 事件和实体之间的连接错误
• 属性的类型配置错误
• 表或者属性的【参与问答】被关闭

2. 关键词映射错误

系统中，每个词会映射到系统内的关键词。系统内的关键词由以下部分组成：

• 内置关键词
• 表结构
• 数据枚举值
• 自定义指标
• 自定义术语
• 全局同义词

排查方法：

如果发现某一个关键词匹配错误（尤其是被匹配到了另外一个表里），在确保**【业务建模】 -> 【学习所有Schema】**的情况下，说明该关键词在需要的 Schema 里不存在。

可以检查以下内容：

• Schema 的名称
• 属性名称
• 数据库里的枚举值

适当添加同义词以保证正确匹配。

#第三步：通过 API 调用获取详细 Debug 信息

如果上述方式都无效，可以通过调用 API 的方式（建议使用 APIFox、Postman 等工具）来输出更多 debug 信息。

#curl 示例

curl --location --request POST 'http://localhost:13000/api/agent:chat' \
--header 'Authorization: Bearer ${TOKEN}' \
--header 'X-SPACES: default' \
--header 'Content-Type: application/json' \
--data-raw '{
    "messages": [
        {
            "role": "user",
            "content": "销售额前十的产品",
            "agent": "alisa"
        }
    ],
    "stream": false,
    "debug": true
}'

关键参数说明：

通过这种方式，你可以获得完整的执行过程信息，包括 Logicform 生成、SQL 执行等详细日志，便于定位问题根因。