项目背景
新华医疗为医院提供手术器械解决方案及配套管理系统。客户的查询需求经常变化，开发人员需要不断适配特定需求的 SQL，处理大量零散的小需求。项目让使用者通过自然语言完成查询与统计，减少日常查询对开发适配的依赖。
例如，“查询 2024 年 5—7 月手术包出入库情况，并按出库人员统计月均使用数量”，可拆成两项查询，分别生成 SQL、执行并解释结果。
工作内容
我作为项目 Owner，负责查询架构、智能体编排与检索优化，设计主 Agent 快速查询与多智能体按需生成链路，并完成内网本地化部署。
-
组织复杂数据库知识：针对百余张表、缺少外键和字段注释的业务数据库，梳理业务域与表间关系，结合 Multi-Query、BM25、HyDE、metadata 搜索与 Rerank 构成混合 RAG，提供相关结构和查询样例，减少无关信息对 SQL 生成的干扰。
-
复用业务查询能力：将视图构建与日常查询分离，常规需求优先复用语义视图；未覆盖的需求交由多智能体完成意图拆解、结构规划、SQL 编写与审查，兼顾查询效率和复杂需求处理。
-
连接业务规则与执行工具：将查询规则组织为 Skills，通过 CLI 工具衔接数据库操作，支持多需求拆解、查询与结果解释，并完成内网本地化部署。
效果与落地
整体查询正确率达 97%；Top-5 召回率由 59% 提升至 83%。View 命中场景耗时由 7min 降至 20s，在山东数家医院试点优化。
核心技术栈
Python · LangGraph · 混合 RAG · SQL Server · Skills／CLI · Qwen · vLLM
输入“统计四月份不同科室的近似回收数量”，返回分科室统计结果。