一、该问题的重现步骤是什么？
1. 问数过程的各个环节 建议区分不同大模型,有利于降低成本,增强性能
2. 存在 sql 返回的数据集过大, 模型处理卡顿问题, 建议限制数据集大小，或者通过取前几行通过大模型生成模板，再拼接数据集
3. 只能通过问题生成图表, 无法和模型进行双向沟通, 以通过大模型来校准需求 【例: 提问后大模型可返回建议问题，即通过模型对问题进行优化】
4. 对于大型数据库,数据结构较为庞杂，表关联设计建议放到应用端, 选表后 再进行关联设计
5.
二、你期待的结果是什么？实际看到的又是什么？
三、你正在使用的是什么产品，什么版本？在什么操作系统上？
四、请提供详细的错误堆栈信息，这很重要。
五、若有更多详细信息，请在下面提供。
补充
1, 关于问题1，目前市面上有垂直领域的相关模型,资源要求低,性能也不错 例: XiYanSQL-QwenCode , 可针对问数的各个环节 提示词生成, sql生成, 图表json生成 使用专用模型，发挥各个模型优势，同时降低成本。
2, 关于问题4，数据库配置菜单下的关联设计 是基于整库设计, 表多且结构复杂, 建议 智能体问数菜单下，增加 基于选定的表的 关联设计。
问数一共就两个接口用到ai，一个是查询sql，一个是根据sql生成options，没必要分那么多模型调用，而且这俩功能都是同一个细分的功能类型，一个专用模型就够了。
外部配置了完整的数据库模型后，到问数里还能直接选择需要的表，保存后就会只使用配置的表。而且完整数据库模型保存后会json模式保存在数据库，不会每次去整表扫描。
扫一扫访问 Blade技术社区 移动端
加载中...
苏公网安备 32041102000998号