SQL 能跑,不代表业务算对。
比如一句 “每天在投计划里,实际花费最多的是哪个?”,背后至少藏着三个问题:
- 哪些状态算 “在投”?
- 实际花费要扣哪些费用、按什么单位算?
- 金额并列时取哪条?
这些规则往往不在表结构里,而是散落在业务文档和代码中。让 Agent 反复试 SQL,也不一定能补上这层知识。
火山引擎 ContextSearch 的做法是:接入业务文档和代码库,通过统一语义层把业务说法与字段、取值、计算规则对应起来,让 Query Agent 先查口径,再生成和执行 SQL,知识不够就继续补查。
在该实践的 76 道广告业务问题测试中,经人工核验,开启知识增强后,SQL 业务正确率从 36.8% 提升到 98.7%。其中一道题,关闭增强时把 “当天有花费” 当成 “在投”,连续 7 天选错计划。
做 Text-to-SQL,补齐业务上下文,可能比让模型多试几次更重要。
你们查数时遇到更多的是 SQL 写错,还是业务口径没对齐?juejin.cn
2 赞 · 0 评论- AI生成功能不该成为低劣低代码产品坑人的帮凶
最近在用AI自研后台页面schema渲染引擎,看到网上同类产品已经集成了AI生成功能,便体验了下,当一个bug反复修复得不到解决,人脾气就会上来,但这一次我错怪了AI…当问题得不到解决,我还是想到了AI — 我的自研搭档,于是把元数据json和问题截图丢给它分析…结果让我大跌眼镜,这可是人家线上收费的Pro版啊!
沉默了许久,我领悟到:此类产品解决页面需求的上限不在于AI的能力,而在于schema的设计和渲染引擎底层!这也是为啥AI时代很多低代码产品烂尾了,但不舍得丢弃,认为披上AI的外衣就能华丽转身,其实内部还是粗制滥造。对于前端后台页面低代码这类产品,一定要打磨好驱动页面功能的底层引擎,千万不要也不应该让AI生成功能成为低劣低代码产品坑人的帮凶!1 赞 · 2 评论 - #新人报道#别瞎卷 Prompt!2026 前端进阶 AI Agent【Agent工程笔记集】
不少前端陷入AI无效内卷:刷大量教程、囤积各类Prompt,反复调试参数,却从未落地完整AI Agent项目,涨薪、副业难有突破。
核心差距在于:多数人在学“AI话术”,高手深耕AI工程化。2026年可自主规划执行的AI Agent已成企业刚需,前端不必钻研大模型底层,从应用层落地Agent,是高性价比进阶路线。
破除三个常见误区:
1. 将AI等同于写提示词。普通Prompt需要人步步指挥;Agent能够自主拆解目标、纠错交付,如同独立干活的正式员工。
2. 认为Agent是算法岗专属。Agent的模块化、状态管理思想和前端工程思维高度契合,前端反而更有优势。
3. 误以为需要深厚算法功底。应用层开发不用训练模型,掌握逻辑拆解、工具调用、工程封装即可。
Agent由四大核心模块构成:任务规划拆解模糊需求;工具调用完成搜索、代码执行等外部操作;记忆能力保存短期上下文与长期用户数据;自我反思复盘结果、自动重试优化,这是它和普通对话AI最关键的区别。
它的运行逻辑和前端开发思维相通:用户目标→任务拆解→调用工具→缓存状态→校验反思→输出结果。
4个可直接落地、可写入简历的实战场景:自动生成项目文档的文档Agent;分析日志、自动给出修复方案的调试Agent;批量适配多平台的内容生产Agent;自然语言转表单结构化数据的智能表单Agent,全部仅靠工程封装就能实现。
新手别死磕底层原理。正确学习路径:吃透四大模块 → 开源框架跑通Demo → 业务场景二次封装 → 沉淀工具模板 → 打磨成作品集。坚持先跑通,再做优化,拒绝纸上谈兵。
如今纯页面开发岗位持续贬值,懂AI工程化的前端缺口巨大。核心竞争力不再是框架语法,而是用AI重构工作流的能力。Prompt只是小技巧,工程落地才是真正壁垒。福利:《前端 AI Agent 零基础落地全套资料》含原理手册、Demo源码、Prompt模板、学习路线图。关注公众号【Agent工程笔记集】,回复 Agent 免费领取。
AI不会淘汰前端,但会淘汰只会写静态页面的前端。跳出Prompt内卷,把AI变为工具与简历亮点,实现职业突破。
(全文642字) #码上掘金#1 赞 · 0 评论
![[流泪]](http://lf-web-assets.juejin.cn/obj/juejin-web/xitu_juejin_web/img/jj_emoji_6.dde0d83.png)
SQL 能跑,不代表业务算对。
比如一句 “每天在投计划里,实际花费最多的是哪个?”,背后至少藏着三个问题: