Appearance
49. 如果让你设计一个 NL2SQL Agent，你会重点控制哪些风险？
难度 P1 高频 · 岗位 应用 · 频率 ★★★ · 预计阅读 5 min
👔面试官：如果让你设计一个 NL2SQL Agent，你会重点控制哪些风险？
🙋♂️我：SQL 注入、语法错误。
👔面试官：对，但要更系统：schema注入（不能把全库schema塞进去）、SQL安全（只读、危险语句过滤）、执行验证（语法检查、沙箱执行）、歧义澄清（时间范围、口径定义）。你能展开吗？
💡 简要回答
四类风险：
| 风险 | 控制措施 |
|---|---|
| Schema注入 | 按问题裁剪schema，schema linking |
| SQL安全 | 只读查询、禁止危险语句、执行沙箱、超时控制 |
| 执行验证 | 语法检查、执行前校验、小数据量测试 |
| 歧义澄清 | 时间范围、口径定义、字段歧义支持澄清 |
关键：不让模型脑补，关键信息必须澄清或确认。
📝 详细解析
NL2SQL Agent 的四类风险详解
Schema 注入风险：把整个数据库的所有表、所有字段塞给模型，不仅消耗大量 token，还容易让模型混淆字段，生成引用错误表的 SQL。解决方案：Schema Linking——先用语义检索或关键词匹配，只把与问题相关的表/字段裁剪后注入 Prompt（通常从全库几百张表缩减到 3-5 张相关表）。
SQL 安全风险：NL2SQL 最严重的风险是模型生成 DROP/DELETE/UPDATE 语句，或通过多表 JOIN 泄露敏感数据。控制措施：
- 执行层只允许 SELECT（数据库账号只有 SELECT 权限）
- 执行前用 SQL Parser 检测危险关键词（DROP/DELETE/INSERT/UPDATE）
- 设置执行超时和返回行数上限（防止全表扫描）
执行验证：模型生成的 SQL 可能有语法错误，或引用不存在的列。解决：执行前先做 EXPLAIN（获取执行计划，验证语法和列名有效性），若失败将错误反馈给模型重新生成（ReAct 式自我修正）。
歧义澄清：自然语言有大量歧义——「最近」是一周还是一个月？「销售额」是含税还是不含税？「用户」是注册用户还是活跃用户？解决：维护业务术语词典，注入 Prompt 中明确口径定义；对模糊时间范围主动追问澄清。
系统架构
用户问题
→ Schema Linking（裁剪相关 Schema）
→ SQL 生成（LLM）
→ 语法验证（EXPLAIN）
→ 安全过滤（SELECT only, 行数限制）
→ 执行 & 结果
→ 结果解读（LLM 生成自然语言回答）🎯 面试总结
四类风险控制：schema注入、SQL安全、执行验证、歧义澄清。安全优先。