智能问数 · 项目概览

项目背景

智能问数是一项内部独立预研。用户在对话页登录、选一个数据源，用中文提问；服务端把问题拆成若干查询和计算任务，在只读、隔离的执行层里跑完，再根据查到的结果组织回答。模型生成的 SQL 不碰生产库，模型生成的 Python 不碰宿主机。不使用公司数据。

要解决的问题

一个问题里有几件事：「华东和华北的销售额分别多少，相差几倍」要查两次再算一次。一次生成一条 SQL 再执行，看不出哪一项没覆盖、哪一步失败。
口径没定就查：时间范围、指标定义、统计粒度或过滤条件不清时继续执行，会得到另一套数。需要先停下来问用户。
回答对不上结果：回复里的数字如果不能指回某次查询或计算，就无法核对；缺的数据也不能用模型猜测补齐。
执行本身要收住：SQL 只能读，不能写库，也不能把网关进程拖垮；Python 不能读写宿主机、出网或调用危险模块；没有隔离环境时宁可拒绝，不退回进程内执行。
失败要有出口：完成、部分完成、失败、取消和等待过期需要汇到同一种结算，用户才能看到停在哪、已经有什么、接下来能做什么。

项目范围

问数主链：绑定身份和数据源，把原问拆成 query / compute 任务并校验计划；需要用户决定时先停；通过后按依赖分波执行，整理成可核对的素材，只根据素材组织回复，再进入结算、留痕和展示。流程见架构设计。
执行层：SQL 在独立子进程里用只读连接执行；PostgreSQL 走独立 worker 的只读事务；模型生成的 Python 进固定摘要的 Docker 容器；闭集计算留在进程内，只对已接受的结果做允许的运算。
护栏：授权、静态校验和审计做成一个只依赖 Pydantic 的 Python 包，接收调用方身份，自己不解析令牌，可以嵌进别的服务。
链路回看：独立的评估台按拆解、等待、任务、素材、回答五段查看每一轮证据，并承接黄金集夜间回归的结果。

主要交付

前端展示层：Vue 对话页，含登录、对话、数据集、Skills 和本域账号；回答按表格、图表和净化后的 Markdown 展示。
后端 AI 应用层：FastAPI 网关，内含问数编排、模型调用、只读执行、Docker 沙盒和护栏包。
链路评估台：离线审阅工程，按链路版本查看证据和标注；页面不调用模型、不执行 SQL。

当前结果

一句多问能拆开查、再算：要分别取值再比较的问题，会拆成带依赖的查询和计算任务，按波次执行，互不依赖的子问最多 4 路并行。每一步有自己的结果，失败能看到停在哪一项。
回答里的数字对得上查到的结果：回复只根据已整理的查询和计算结果来写。对不上来源的数字不当作已验证结果，缺的数不会由模型补上。
模型不直接把 SQL 送去执行：查询先变成可校验的意图，由服务端编译后再跑。写库、越权、注入和认不出的语句在执行前拦住；导出这类副作用要等用户确认。
代码执行出不了隔离边界：SQL 在独立进程里用只读连接执行，避免拖垮网关。Python 放进无网络、只读文件系统的容器；出网和写宿主机的尝试会被拒绝。没有可用容器时直接拒绝，不改到网关进程里跑。
口径不清时先问再查：时间范围、指标、粒度或过滤条件会改变结果时，相关任务不启动，等用户选定后再继续。
有独立的链路评估台：一轮问数可以按拆解、执行、素材和回答回看，用来核对停在哪一段。