LangGraph + DeepSeek · 执行准确率 84%

用自然语言
驱动智能对账

无需手写 SQL，直接用中文提问。
ReconAgent 自动生成精准查询、校验数据合理性，并从每次交互中持续进化。

立即体验 查看文档
recon-agent — query
you›
0 执行准确率 %
0 查询意图类型
0 记忆层级
0 Golden Set 案例
核心能力

专为数据对账
场景深度设计

从意图识别到结果校验，每个环节都经过生产验证，可直接接入企业数据平台。

Schema Linking
向量索引自动识别相关表，100 张表中精准锁定目标，LLM 不再看到无关 Schema。
三层记忆系统
Working → Episodic → Semantic，重要 Case 自动晋升，经验持续沉淀为可复用规则。
Range Guard
自动检测金额为负、比率超 100%、COUNT 异常等业务错误，结果附带可信度提示。
用户反馈闭环
一键标记"正确/有误"，错误结果自动触发 Self-Evolution 分析，模型持续自我修正。
多数据库适配
SQLite 开发，MySQL/PostgreSQL 生产无缝切换，SQL 安全由 sqlglot AST 层拦截。
Milvus 向量存储
Schema 索引支持 Milvus Lite 本地开发和分布式集群，COSINE 相似度精准匹配业务术语。
执行管线

五节点
精密编排

基于 LangGraph 构建的有状态管线，每个节点职责清晰，支持重试、降级与预算控制。

01
Route — 意图识别
5 类查询意图分类（simple_query / multi_table_join / time_window_recon / numeric_diff / boundary_edge），置信度 >0.8 直接执行。
confidence_threshold: 0.8
02
Plan — 制定计划
simple_query 走 react 模式直接执行；复杂意图走 plan_solve 模式，LLM 分解子任务。SchemaInspector 实时 PRAGMA 获取结构。
schema: live PRAGMA
03
Act — 生成 SQL
Schema Linking 过滤相关表（Top-K），LLM Function Calling 生成参数化 SQL，sqlglot AST 安全校验后执行。
schema_linking: top_k=5
04
Observe — 结果校验
Range Guard 检测业务异常（负值/超限），失败自动重试（最多 1 次），预算超限强制终止。
range_guard: enabled
05
Reflect — 汇总 + 进化
LLM 生成自然语言答案，写入三层 Memory，触发 Self-Evolution 评审，重要 Case 沉淀为 semantic_rule。
memory: working→episodic→semantic
// pipeline execution trace
route intent
↓ · · · · · · · · · ·
plan schema
↓ · · · · · · · · · ·
act sql
↓ · · · · · · · · · ·
observe guard
↓ · · · · · · · · · ·
reflect memory
// query metrics
latency
—
intent
—
tokens
—
status
—
产品文档

快速了解
系统设计

系统架构
整体设计思路、模块划分与技术选型，了解 LangGraph 编排和混合 RAG 架构。
阅读 → architecture.md
运维手册
部署步骤、环境变量配置、docker-compose 一键启动与常见问题排查指南。
阅读 → runbook.md
架构决策记录
5 份 ADR 文档，记录 LangGraph 选型、混合 RAG、三层 Memory 等核心决策背后的权衡。
阅读 → ADR-001 ～ ADR-005
详细设计文档
10 份规格说明书，覆盖 SQL Safety、Memory System、Eval Harness 等每个子系统。
阅读 → design.md

准备好开始了吗？

本地 5 分钟启动，无需配置数据库，内置 50 个评测案例验证效果。

开始使用 GitHub