让企业数据“开口说话”：同创永益正式推出智能问数 V1.0.0
近日，同创永益正式推出智能问数 V1.0.0，希望为企业私有数据提供一个更易用、更安全、更可追溯的自然语言访问入口。
在许多企业，临时取数仍要经过需求沟通、口径确认、SQL 编写和结果核对。运维与数据团队需要反复处理查询工单、口径答疑和报表核验，业务人员也很难在权限允许的范围内自主探索数据。重复性工作持续积累，容易挤占系统保障、隐患排查和数据治理等更高价值工作的时间。
问题还不止于效率。指标定义、字段含义和历史 SQL 分散在人员、文档与系统中，容易产生理解偏差；如果缺少明确的授权边界和过程留痕，自助查询同样可能带来数据安全与审计压力。
智能问数 V1.0.0 将自然语言提问、业务上下文检索、只读 SQL 校验、结果展示和反馈沉淀连接起来。被授权用户可以在受控数据范围内自主查询，企业也能够集中管理数据源、启用表、用户权限与查询记录，在降低数据使用门槛的同时，让访问过程更可控、更易追溯。
从一句话开始，获得可理解的数据结果
在智能问数首页，用户可以选择已启用的大模型和被授权的数据源，输入自然语言问题，并指定文本、表格、图表或自动输出模式。系统还提供快捷问题和历史会话入口，方便继续分析或回看结果。
对于 OPS/AIOps 场景，运维人员可以围绕告警、日志、资源、应用、服务和环境等对象提问；在通用企业场景中，也可以查询用户、交易、资产、订单、项目或运营指标。
查询完成后，系统可展示生成的 SQL、真实查询数据表格以及柱状图、饼图、折线图等结果，让用户既能快速理解结论，也能查看查询依据。
一个可信答案，要经过完整的受控链路
企业问数的关键，不只是“模型能不能生成 SQL”，而是生成前是否理解业务、执行前是否通过安全校验、执行后是否可以追溯和修正。
智能问数会先从当前数据源关联的训练素材中检索上下文，包括 DDL 定义、业务文档和正确 SQL 示例；随后调用配置的大模型生成候选 SQL，并检查用户的数据源权限、引用表范围、SQL 类型和危险关键字。只有校验通过的只读查询，才会交给对应数据源执行。
结果返回后，系统按照用户选择的模式呈现文本、表格或图表，同时保存问题、SQL、执行状态和时间等信息。用户反馈还可以进入后续审核与训练流程，形成持续改进的闭环。
智能问数的三项核心价值
1. 降低数据使用门槛
用户不必先掌握数据库结构和 SQL 语法，可以直接用业务语言提问。明确的输出模式让结果形态更加可控，也减少了文字、表格和图表随机切换带来的不确定性。
2. 把安全边界放在执行之前
系统通过用户数据源授权、启用表控制、只读 SQL 校验建立三重数据访问边界。未授权的数据源不可选择，未启用的表不会进入模型上下文，SQL 引用了范围外的数据表也会被拦截；系统只允许受控的 SELECT 查询，并拦截多语句和危险关键字。
3.让业务知识和正确经验持续沉淀
仅有表名和字段名，模型很难准确理解企业口径。智能问数将 DDL、业务文档和 SQL 示例作为三类独立训练素材，帮助模型补充数据结构、指标定义和正确查询方法。
用户可以对回答点赞或点踩。点踩时可记录错误原因并提供正确的只读 SQL；修正内容经过审核后，才能进入正式训练素材，避免把单次反馈直接变成未经验证的生产规则。
面向私有化环境，能力边界同样清晰
智能问数 V1.0.0 优先服务企业 OPS/AIOps 运维分析，也支持通用经营管理、数据分析和指标查询。系统可以在客户受控网络中访问数据并调用模型服务，模型、数据源、启用表、用户和权限均由管理员集中配置。
截至 V1.0.0，SQLite、DeepSeek 和智谱已完成实际验证；MySQL、PostgreSQL、Oracle、SQL Server、ClickHouse 已具备开发支持。
让数据更易用，也让访问更可控
智能问数的价值，不是替代专业数据团队，而是让业务和运维人员以更低门槛使用数据，同时把权限、口径、历史 SQL 和反馈过程纳入统一管理。
真正适合企业环境的问数能力，不仅要“听得懂问题”，还要管得住权限、查得到过程、沉淀得下经验。
