意图驱动的自然语言接口：混合LLM与意图分类方法

在当今数据驱动的商业环境中，数据分析人员和营销人员经常需要与复杂的数据库交互以获取洞察。然而，并非所有人都精通SQL等结构化查询语言，这就催生了对自然语言接口的需求。本文将深入探讨一种创新的意图驱动自然语言接口，该接口结合了大型语言模型（LLM）和意图分类技术，为数据洁净室（Data Clean Rooms, DCRs）等隐私敏感环境提供了安全、高效的解决方案。

自然语言接口的挑战与机遇

当数据分析师输入“我们应该重新定位哪些队列？”这样的查询时，他们实际上是在表达一种意图，而非直接发出SQL命令。这种简单的句子可能隐含着不同的操作，如细分排名、相似匹配或队列比较。将这些模糊的提示转化为结构化、符合政策的分析，需要的不仅仅是语言建模，更需要基于业务上下文和技术约束的语义理解。

传统的文本到SQL模型在处理这类问题时往往力不从心，尤其是在隐私优先的环境中，如数据洁净室，其中只能查询经过批准的模型和自定义估计函数，无法访问客户可识别数据。在这种情况下，意图分类成为关键技术，它将模糊的人类语言映射到结构化、可预测的类别，使下游系统能够采取行动。

本文介绍的混合自然语言接口旨在将用户意图转化为安全的SQL查询，并将其应用于数据洁净室等实际场景。在这些场景中，分析师和营销人员跨品牌协作，他们拥有不同的技能组合，但通常不精通SQL，而是最了解自己的品牌业务，并且可能跨地区使用母语表达品牌意图。

系统架构概述

我们的系统架构借鉴了现代搜索引擎的语义搜索原理，将用户意图和SQL提示模板嵌入到同一向量空间中，使用FAISS（Facebook AI Similarity Search）等技术将用户查询高效匹配到最合适的SQL模板。这种混合架构结合了以下关键组件：

1. 基于嵌入的意图分类

   ：使用OpenAI的text-embedding-3-small等模型将文本转换为高维向量。

2. 基于FAISS的语义检索

   ：快速查找最近邻意图。

3. 模板驱动的SQL生成

   ：考虑商店/品牌和队列元数据。

4. 严格的模式引导LLM补全（作为备用）

   ：当模板无法安全解析查询时使用。

这种架构确保了系统的准确性、快速性和合规性，特别适合数据洁净室中跨企业边界的隐私保护数据协作。生成的查询自动遵守分析师的访问规则，例如：

• 无行级访问（如无原始客户ID）

• 仅应用所需的预批准转换（如HyperLogLog草图、标准化聚合）

• 只读SQL（仅SELECT查询）

• 由策略强制执行的模式和函数约束

意图分类：系统的核心

意图分类是该系统的基础，它将非结构化的自然语言映射到结构化类别，从而驱动下游逻辑，如SQL模板选择。一个单一的提示，例如“ComfyWearCo和SportStyleShop之间哪些队列有重叠？”，可以被提炼为核心意图：两个品牌之间的队列重叠。

意图分类的重要性体现在以下几个方面：

1. 消歧

   ：帮助区分比较、查找、排名和探索性任务。

2. 安全

   ：在任意文本到SQL生成之上强制执行基于模板的SQL路径。

3. 速度

   ：实现提示的快速路由，避免调用大型模型和产生幻觉输出。