基于数据库的报表的rag智能体产品系统

数据仓库和 BI 报表场景中，表字段含义、指标口径往往散落在 Excel 和口头传递里，新人写 SQL 频繁追问，口径文档更新滞后、检索困难。复杂 SQL 涉及多表关联和分区表命名，理解成本高。
本项目面向数据开发、分析师、报表运维和数据治理人员，适用于运营商、金融、零售等拥有成熟报表体系的企业。典型场景包括：自然语言查询字段含义、粘贴 SQL 获取业务解读、批量导入口径、从 SQL 自动发现待补全字段。

口径管理：支持报表口径（表名/字段/详情）和业务口径（名称/详情）Excel 批量导入，自动切片写入 Chroma 向量库，支持增量同步。

RAG 智能问答：用户自然语言提问，Agent 检索向量库后作答，约束不编造库外内容，对话历史持久化支持多轮追问。

SQL 智能分析：提交 SQL 后，Agent 查口径库解读表关联、过滤逻辑和字段含义，可输出带注释 SQL、字段清单或改写建议，支持连续追问。

人机协同补全：粘贴 SQL 自动解析表和字段，缺失口径写入待办列表，人工填写后回流正式知识库，形成持续沉淀闭环。

Web 界面：Vue 3 单页应用，涵盖 Agent 对话、SQL 助手、口径导入、临时字段管理和 SQL 解析五个模块。

技术栈：FastAPI 异步后端 + MySQL + Chroma 向量库 + SentenceTransformer（MiniLM）+ LangChain Agent+ Vue 3 前端。

架构分层：API 路由 → Service 业务层 → Utils（Agent 引擎、向量工具、LangChain Tools）→ MySQL 存结构化数据，Chroma 存向量索引。

核心流程：Excel 导入 → 写入口径表 → 文本切片向量化 → Chroma 入库；用户提问 → Agent 调 get_embedings 检索 → 生成回答；提交 SQL → Agent 调 get_table_info 查口径 → 输出分析；SQL 解析 → 提取字段 → 人工补全 → 回流知识库。

技术亮点：RAG 与 Agent 工具调用分场景设计；针对数仓分区表名做规范化处理；向量检索本地化部署；异步架构 + 人机协同闭环，知识库随日常使用持续增长。