纯 LLM 做 NL2SQL 总不准？金融场景为什么必须做本体工程

InfoQ 文章指出，纯 LLM 方案在金融 NL2SQL 场景受限于概率生成机制，难以保证查询口径准确性。文章梳理数据分析工具从固定报表、自助 BI、AI 问数到本体驱动认知智能的四阶段演进，认为当前 NL2SQL 虽降低使用门槛，但存在静默错误风险。例如“有效保单”对应字段、“规模保费”计算口径等，若未显式定义，模型易凭常识猜测，导致结果错误且难以察觉。文章提出“精准优先、推理按需”原则，主张引入本体作为语义导航系统，将隐性口径转化为机器可校验规则。本体还可同时服务智能分析与 AI Coding，成为可复用长期资产，并降低多团队沟通成本。