结构化 Text-to-SQL 与非结构化知识统一 RAG 编排：多路路由与统一聚合

为什么单一向量 RAG 永远算不对财务报表

在企业数字化建设中，用户的问题往往是复合型的。例如：“去年华东区销售额前三的客户是谁？我们对他们的回款账期违约策略有哪些规章？”

前半句是典型的结构化关系型查询（需要精准的 SQL 聚合统计与无误差计算）；后半句则是非结构化文档分析（需要语义检索规章白皮书）。如果试图用向量检索来回答数字统计，算出来的数值几乎 100% 存在虚构。

动态意图路由与统一合成层架构

构建混合统一 RAG 系统需要三级管线：

1. 意图路由分发器 (Intent Router)：将用户原始问题拆解为原子子问题，打上 STRUCTURED_SQL 与 UNSTRUCTURED_DOC 标签；
2. Text-to-SQL 安全执行沙盒：针对结构化查询，自动匹配数据字典、生成 SQL、在只读从库受限执行并转为表格摘要；
3. 统一知识上下文编排：将结构化 SQL 查询出的精确数据，与非结构化向量检索得到的政策条例，共同注入最终 Synthesis Prompt。

意图分解与统一组装实现

import assert from "node:assert/strict";
function routeIntent(query) {
  return query.includes("总计") ? "SQL" : "VECTOR";
}
assert.equal(routeIntent("计算总计销售额"), "SQL");
assert.equal(routeIntent("解释退款条款"), "VECTOR");

原始资料与溯源链接

• LlamaIndex Structured Data & Text-to-SQL：混合结构化与非结构化知识增强标准规范。