《60天AI学习计划启动 | Day 29: 结构化数据 & 报表问答》

Day 29：结构化数据 & 报表问答

学习目标

• 区分 文本 RAG vs 结构化数据查询的边界
• 用 demo 业务（电商/网站分析）练习指标语义建模
• 设计 自然语言 → 安全查询意图 JSON 的流程

---

核心知识点（用电商 Demo）

• 1. Demo 业务场景

  • 假设一个电商网站：DemoShop
  • 有订单表 orders、商品表 products、用户表 users

• 2. 指标 & 维度示例

  • 指标（Metrics）：
    • total_orders：订单数
    • gmv：成交金额
    • conversion_rate：转化率（下单用户数 / 访问用户数）
  • 维度（Dimensions）：
    • date（按天/周/月）
    • category（商品类目）
    • channel（PC / App / 小程序）
    • region（地区）

• 3. 自然语言到查询意图（Demo JSON）

  • 问题示例：
    • 「最近 7 天各类目的成交金额对比？」
    • 「上个月网站整体转化率是多少？」
  • 对应查询意图 JSON（示例）：

    {
      "metric": "gmv",
      "dimensions": ["category"],
      "filters": { "date_range": "last_7_days" },
      "orderBy": { "field": "gmv", "direction": "desc" },
      "topN": 10
    }
    

    {
      "metric": "conversion_rate",
      "dimensions": [],
      "filters": { "month": "2025-01" }
    }
    

• 4. 安全约束（Demo）

  • 白名单表：orders, products, users, traffic_stats
  • 白名单字段：只允许在 schema 里声明的指标/维度
  • 不允许：UPDATE/DELETE/DROP 等写操作，只生成 SELECT

---

实战作业（Demo版）

• 作业 1：为 DemoShop 定义 Metric Schema 草稿

  • 每条写：name / 显示名 / 描述 / 单位 / 数据源表
  • 例如：
    • gmv / 成交金额 / 订单实付总金额 / 元 / orders
    • total_orders / 订单数 / 已支付订单数量 / 单 / orders

• 作业 2：设计“自然语言 → 查询意图 JSON”结构（用 Demo 字段）

  • 要求字段：
    • metric、dimensions[]、filters{}、timeRange、orderBy、topN
  • 拿两条 demo 问题手动填一遍 JSON，看表达力是否够

• 作业 3：写 5 条 Demo 问题并手动标注查询意图

  • 如：
    • 「上周 App 端订单数和 PC 端订单数对比」
    • 「最近 30 天 GMV 最高的前三个类目」
  • 各自写出对应的 metric+dimensions+filters+timeRange+topN

---

思考 / 笔记要点

• 用 DemoShop 把“语义层”走通，再类比迁移到你的真实业务
• 把「RAG 文本问题」和「结构化指标问题」分开写两份例子，后面做路由/Router Chain 时直接用
• 可以写一篇：《用一个电商 Demo 做自然语言报表查询的语义层设计》整理到博客