从问题优先到分析师优先：领域专家技能与验证知识编译实现主动企业分析

# 领域专家技能与验证知识编译实现主动式企业分析  
来源：https://arxiv.org/html/2608.28594  

## 从“问题优先”到“分析师优先”：领域专家技能与验证知识编译实现主动式企业分析（2026年6月15日）  

###### 摘要  
对话式分析系统普遍假设用户已形成明确的问题，导致非专家用户面对陌生企业数据模式时，只能面对空白查询框。商业“主动式”工具仅通过检测分析师策划的指标层统计异常来缩小这一差距，而学术界的“下一问题推荐器”依赖于新数据集所缺乏的查询日志。本文描述了一个生产级企业分析系统，该系统通过两个耦合的架构理念，将交互模式从“问题优先”反转为“分析师优先”。  

首先，采用可插拔的领域专家*技能*抽象：一个基于文件夹、无数据库的主题包（包含清单、分阶段提示要素、关键词路由的参考库、标准报告模板和可选确定性计算），由确定性模式匹配函数按（客户，数据集）自动选择，并作为*横切关注点*注入流式代理管道、模式探索器及报告引擎的每个阶段；当不存在时则严格降级为空操作。由于技能是确定性解析的独立文件夹，无需逐客户工程化即可添加，因此该目录是开放的：一个可扩展的领域专家*市场*，而非固定功能集。  

其次，采用离线*知识编译*循环：类似Claude-Code风格的代理通过DuckDB探测数据集的parquet文件（对生产环境零负载），运行基于批判器的逐表收敛过程与自愈重试，并通过值重叠验证连接，生成持久的模式知识。这些知识与解析后的技能共同驱动标准专家报告，其中发布的每个指标均通过独立重新执行其证据SQL进行重新验证，并生成与报告议程镜像对应的建议问题。  

这形成了一个*主动循环*：报告呈现数据，数据激发问题，点击即可启动验证过的深度分析，这一切在查询框被使用之前完成。本文给出了注入算子和编译函数的形式化模型，描述了全自动接入链，并报告了单个实际租户的示例性数据：覆盖10/10张表、包含2/2个经数据验证连接的深度探索、七份注册会计师标准报告，以及约30个无需用户预先查询的领域问题。本文不涉及用户研究或基准测试声明；贡献在于该架构及其可防御性。  

## 1 引言  
企业数据的主流交互界面现在是文本框。十年来针对数据库自然语言接口及近期大语言模型（LLM）文本转SQL的研究，推动了学术基准测试\[60, 30, 22\]和商业产品\[43, 9\]的翻译准确率提升。然而这些系统都共享一个隐含前提：*用户已知要问什么*。一个完美的英语转SQL翻译器，对于面对80张不透明表的陌生模式且不知哪个问题值得查询的分析师而言毫无作用。这就是*冷启动*或*空白查询框*问题，它被记录为自助式商业智能采纳的障碍\[27\]。  

分析的难点不在于组织问题表述，而在于知晓领域专家会对*此*数据提出什么问题。两类系统试图提供问题而非仅回答问题，但各有其冷启动问题：*基于日志的下一问题推荐器*挖掘历史用户查询以建议后续步骤\[6, 54\]，但新租户没有日志，推荐器在第一天就无从推荐；*自动洞察发现*扫描数据集以寻找统计显著模式\[15, 13, 52\]，但“统计显著”不等同于“首席财务官或注册会计师会采取行动的内容”，且这些工具本质上是领域无关的。  

最主动的商业方案分为两类，但都存在同一盲区：Tableau Pulse绑定于*分析师策划的指标层*（先由人工定义指标，系统描述其变动）\[1, 2\]；ThoughtSpot SpotIQ和Power BI Quick Insights是领域无关的统计洞察挖掘器（检测异常、相关性和趋势）\[49, 37\]。两类方案均未提供*可移植的领域专家*，使其能在匹配技能后自主处理未策划的模式并制定分析议程。  

#### 论点。  
本文描述了一个通过将领域专业知识视为*一等公民、可插拔、自动选择的软件制品*，并将数据集的持久、验证知识*编译*于用户提问之前的系统，从而实现“问题优先”到“分析师优先”的模式反转。两个理念相互耦合：领域专家*技能*是包含提示片段、参考库、标准报告模板和确定性计算的独立文件夹，被系统注入其代理管道和离线引擎的每个节点；离线*知识编译*循环借鉴编码代理探索代码库的方式探测数据，直至满足独立批判器要求，并通过数据验证连接，形成可重用的知识库。  

技能与知识共同驱动（i）其每个发布数字均通过重执行证据SQL重新验证的标准专家报告；（ii）基于技能的审查频率手册且扎根于验证知识的建议问题。结果形成闭环*主动循环*：系统呈现用户未索求的*数字*，数字*催生问题*，点击即可启动验证的*深度分析*——这一流程在空白查询框被使用前即已完成。  

#### 为何融合才是贡献而非部件。  
每个单独部件均为渐进式改进：技能包装呼应了当前涌现为通用开发工具的模块化“代理技能”和子代理模式\[4, 5\]；代理式探索与批判器门控优化已有先例\[59, 47, 18\]；基于执行的验证亦有渊源\[18, 8\]。本文贡献在于已部署的*融合*：一个通过模式自动选择的每租户领域专家层作为横切关注点贯穿整个分析栈，与数据验证知识库和报告引擎融合——其中无法复现证据SQL的数字将被抑制而非发布，并实例化为具有全自动接入链的闭环主动循环。  

#### 范围与诚实性说明。  
这是单次部署的*系统*论文，未报告受控用户研究、A/B测试或公开基准排行榜；部署数据（第9节）来自单个实际租户的观察性示例，出于透明性而非作为测量成果。对于架构的保证，我们精确声明其边界：验证层确保发布数字在容差范围内*匹配其声明的证据SQL*，而非保证指标业务定义的语义正确性。  

#### 贡献。  
1.  **可插拔、无数据库的领域专家技能抽象**（第4节）：将具有明确观点的专业知识作为横切关注点注入代理分析管道、模式探索器及报告引擎的每个节点，无技能时精确降级为空操作。  
2.  **确定性、源无关的技能选择算法**：基于模式结构（包括即使仅靠名称无法处理的SAP T表、Tally导出等场景中的特色*单元格值*）为每个（客户，数据集）解析唯一激活技能，无需查询日志或逐客户工程。  
3.  **离线知识编译循环**（第5节）：针对只读DuckDB-parquet的JSON动作探测代理，受快速确定性覆盖批判器门控，包裹于工作列表可证收敛的自愈循环中，通过值重叠数据验证连接并生成持久可恢复的模式知识。  
4.  **基于执行的报告合成引擎**（第6节）：每个发布指标附带证据查询，由独立非LLM批判器重新执行并容差匹配；无法复现证据查询的数字将被抑制而非显示，持久化配方驱动零LLM、零内核的刷新与下钻。  
5.  **主动式分析师循环及全自动接入链**（第7节）：*相同*的编译知识与技能驱动报告、问题与实时聊天。  
6.  **形式化模型**（第3节）：注入算子（具备空操作/向后兼容特性）与编译函数（具备终止性论证），配合诚实的单次部署说明（第9、11节）。  

## 2 相关工作  

#### 文本转SQL与翻译框架。  
自然语言到SQL的语义解析已从跨领域基准测试\[60\]发展到知识落地、价值敏感的基准测试\[30\]及大语言模型时代的综述\[22, 46\]。关键进展在于*Spider 2.0*将任务重构为围绕*真实企业*工作流（数十张表、方言及外部知识），表明仅靠翻译远远不够\[26\]，这推动了模式探索及类似本文编译的外部知识层的发展。但所有这些工作仍以问题已知为前提。  

#### 消歧已陈述问题与先前问题。  
另一研究方向帮助用户细化已提出的问题：NaLIR交互式解决解析歧义\[29\]，DataTone和Eviza管理自然语言可视化接口的歧义\[16, 45\]。这些针对*如何表述*；而本文解决*首先该问什么*。  

#### 冷启动与下一问题推荐。  
QueRIE通过历史会话协作分析推荐查询\[6\]，Wang等人\[54\]推荐交互会话的下一步自然语言操作。两者均依赖日志或会话，在新数据集上冷启动——这正是可移植领域专家先验知识所填补的缺口。近期研究直接从表格数据生成问题以进行对话式探索\[7\]，与我们的问题生成器最为接近。它从表格统计和内容派生问题；我们的方法在两方面有所不同（本文后续将具体说明）：（1）议程由解析技能的KPI目录和审查频率手册设定（第7节），问题反映角色需求而非统计可描述性；（2）问题基于编译的数据验证模式生成（第5节），确保建议问题可通过实时管道使用的相同连接回答——这是仅基于统计生成所不具备的可回答性约束。  

#### 自动洞察发现与混合主动分析。  
混合主动交互是长期理想\[23\]。可视化推荐器\[52, 56, 57, 48\]和洞察挖掘器\[15, 13, 34, 11\]主动呈现显著模式，近期LLM代理在自动化-主动性平衡的综述兴趣复兴中推动主动辅助\[62, 33, 38\]。这些系统优化统计显著性；而我们的议程由领域专家设定并通过数据验证。  

#### LLM数据科学与多智能系统。  
推理与行动及反思代理\[59, 47\]、多代理框架\[58, 20\]及数据科学代理\[19\]连同其评估基准\[24\]，确立了我们构建的代理基底。可视化与仪表板生成代理\[14, 35, 61\]针对制品；我们针对决定制作何种制品并通过证据SQL重新验证其数字的*闭环*。  

#### 领域知识注入。  
检索增强生成和工具使用将外部知识注入LLM推理\[28, 17, 42\]；在SQL场景中，Knowledge-to-SQL训练单一“数据专家”模型在*上游*提供知识以改进SQL生成\[21\]，与本文的*下游*证据SQL发布门控形成对比。语义/指标层\[12, 32\]编码指标定义但需按组织人工策划。模块化“代理技能”和子代理...