一、引言企业在数字化转型中积累了大量数据但真正能灵活使用数据的人很少。业务人员想查数据要么自己学写SQL要么提需求等IT排期一个简单的上个月各区域销售额排名可能要等两天。智能问数DataChat正是为解决这一痛点而生——用户用日常说话的方式提问系统自动完成意图理解、自然语言转SQL、数据库查询、结果可视化全流程。然而把自然语言查数据库出图表从演示变成生产系统远没那么简单。AI生成的SQL可能含注入攻击不同数据库方言有差异图表选择也面临工程化挑战。本文基于向量空间JBoltAI平台源码拆解智能问数完整技术链路覆盖Text2SQL、SQL安全校验、并发查询、图表自动生成等核心环节。二、整体架构向量空间JBoltAI的智能问数核心是DataChatChain继承ReAct推理基座AbstractReActChain复用意图分析、经验库、相似度守卫等能力针对数据查询场景定制用户提问 → DataChatChain → 意图分析 → 反思路由判断是否查库 → 并发预查询知识库数据源Excel同时发起 → 推理循环LLM自主选工具最多5轮 → 文字回答 → 图表后处理判断需不需要图表→生成布局→渲染两个关键设计工具ID用__dc_前缀与知识检索Agent的__react_隔离图表生成与推理解耦循环结束后由DataChatChartService统一处理。三、Text2SQL实现一完整流程上个月各产线良品率排名进入系统后加载表结构 → 构建智能提示词含库结构描述、查询规则、输出格式→ 调用向量空间JBoltAI的Text2SQL模型转SQL → SQL安全清洗 → 五层AST校验只允许SELECT→ JDBC执行 → 返回JSON结果。二智能提示词向量空间JBoltAI的Text2SQL提示词包含分析流程、字段选择原则、动态字段补充自动补enable、status、is_deleted等状态字段、各类字段处理规则。此外注入完整库环境表名、字段名、类型、描述、主键、默认值。三SQL安全五层防护SQL安全是智能问数的生命线。向量空间JBoltAI使用JSqlParser做AST解析校验拒绝多语句拼接注入、拒绝MySQL注释注入、拒绝文件写入INTO OUTFILE、拒绝危险函数LOAD_FILE、SLEEP、BENCHMARK、GET_LOCK、AST语法树校验确认是合法SELECT非SELECT一律拒绝。fail-closed策略解析失败宁可误拒不可放过。同时limitSqlType(SqlType.select)从源头限制只生成SELECT。四支持的数据库MySQL默认Excel查询底层引擎、PostgreSQL、Oracle、SQL Server。四、数据源路由与并发查询向量空间JBoltAI的反思路由器用专用模型温度0.2判断用户问题是否涉及数据查询问你好不查库问上个月销售额才注册数据源工具。反思失败采用fail-open策略宁可多查不可漏查。并发预查询线程池同时发起知识库检索、数据库查询、Excel查询每查询60秒超时总等待取决于最慢的。五、图表生成一两阶段策略阶段一AI判定数据适合什么图表类型温度0.1输出2000token。阶段二逐类型生成ECharts配置温度0.2输出4096token。分开做比一次搞定更稳定。二图表类型与布局向量空间JBoltAI支持19种图表折线图、柱状图、饼图、散点图、雷达图、漏斗图、环形图、面积图、热力图、桑基图、K线图等。三种布局策略AI智能布局AI自动决定、匹配加AI补全、仅匹配预设。两种显示对话式和全屏大屏。前端渲染器基于ECharts支持亮暗主题和容器自适应。六、防死循环四层机制向量空间JBoltAI用四层防护防死循环迭代限制最多5轮超时5分钟、相似度守卫Jaccard bigram阈值0.7拦截重复查询、Prompt引导注入已检索查询指导换角度、显式终止finish工具让LLM主动完成。七、结语智能问数的核心挑战在于把Text2SQL、SQL安全、数据查询、图表生成可靠串联。向量空间JBoltAI平台实践表明SQL安全用AST解析而非关键词过滤图表用两阶段而非一次搞定推理用四层防护而非单一超时——工程细节才是稳定运行的关键。
