·tian
当 RAG 本该是一次 JOIN 时
将关系型问题路由到向量索引会将精确答案转化为似是而非的答案。如何识别复杂的谓词、聚合和连接 (JOIN) —— 并将其发送给查询语句，而不是余弦相似度。
rag
vector-search
sql
ai-architecture
·tian
生产环境中的Text-to-SQL：自然语言查询为何在Schema边界失败
为什么Text-to-SQL的供应商演示效果完美，而生产部署却一团糟——以及真正能缩小这一差距的工程技术。
ai-engineering
llm
sql
data-engineering
·tian
大规模 Text-to-SQL：上线之前没人告诉你的那些事
Text-to-SQL 演示很容易构建，生产部署却截然不同。Schema 歧义、权限提升以及 80% 的基准测试差距，揭示了大多数团队忽略的工程层。
ai-engineering
sql
agents
security
+1·tian
SQL Agent 为何在生产环境中失败：针对实时关系型数据库的 LLM Grounding
SQL Agent 并非只是带数据库后端的文档 RAG。它们需要精确的模式映射（Schema Mapping）、运行时验证以及严格的权限边界——忽略其中任何一项都可能导致你损坏生产数据或扫描 TB 级的表。
insider
ai-engineering
sql
agents
+1·tian
你的数据库模式是 AI Agent 的心智模型
规范化程度较差的数据库模式会导致 AI Agent 产生 Join 幻觉、误读关系，并引发不必要的工具链式调用。本文将介绍如何设计一个 Agent 能够真正理解并推理的模式层。
insider
agent-engineering
database
schema-design
+2