为智能体提供可靠的“对话数据仓库”访问模式，无需原始文本到SQL

在构建智能体时，我不断遇到的一个棘手问题是让它们能够回答关于结构化数据仓库的问题。针对原始表的朴素文本到SQL方法很脆弱：模型会猜测连接键、臆断列含义，并给出自信的错误数字。对我而言更有效的模式是在智能体和表之间放置一个精心策划的语义层，让智能体将其作为工具调用，而不是从头编写SQL。我使用的版本是Databricks Genie。其理念是构建一个限定于特定表集的“Genie Space”，并用示例SQL查询、用于业务定义的可重用SQL表达式以及针对标准税务或收入计算等内容的认证/可信函数来策划它。策划是核心：当智能体提问时，Genie将问题与经过验证的示例和定义进行匹配，而不是自由发挥，因此它受Unity Catalog权限管理，并且比将模型指向原始模式一致得多。在机制上，您的智能体只需将Genie Conversation API作为工具调用。您向/api/2.0/genie/spaces/{space_id}/start-conversation发送一个自然语言问题的POST请求，然后轮询消息端点直到状态变为COMPLETED。响应以附件形式返回，包含自然语言文本、Genie生成的实际SQL，以及一个attachment_id，您可以使用它从查询结果端点获取结果集。因此，您的智能体既能获得可以推理的行数据，也能获得精确的SQL，这对于透明度和让用户验证查询非常有用。它也是有状态的，因此智能体可以在同一对话中提出后续问题。还有“智能体模式”（原研究智能体）用于更复杂的问题，它会构建研究计划、运行多个查询，并返回带有引用的报告，而不是单一答案。好奇其他人是如何解决这个问题的。你们是给智能体提供这样的策划语义层，还是暴露带有防护措施的只读SQL，或者完全采用其他方法来保持结构化数据答案的可信度？