03｜核心技术优势：Forge 为什么可信
核心技术优势：Forge 为什么可信
Section titled “核心技术优势：Forge 为什么可信”1. 受约束中间表示：先写“结构化提纲”，再排版 SQL
Section titled “1. 受约束中间表示：先写“结构化提纲”，再排版 SQL”类比：译者先填写固定栏目表单，而不是直接交付最终印刷稿。
机制：LLM 生成 Forge JSON。scan、joins、filter、group、agg、window 等字段表达查询语义；schema_builder.py 将当前 Registry 的表列注入 Tool Schema。
收益：JOIN 类型、聚合函数、排序方向等进入有限集合；非法结构能在执行前暴露。
证据：forge/schema.json、forge/schema_builder.py 与 compiler 测试。
边界：只有 Provider 真正执行严格 tool/schema 约束时，才能称“生成阶段被阻止”。表达式字段仍有透传能力；兼容 Provider 可能降级；业务意图和算法选择仍可能错误。
2. 确定性编译器：把随机生成与执行语法分开
Section titled “2. 确定性编译器：把随机生成与执行语法分开”类比：LLM 决定菜谱，编译器按固定工艺出菜。
机制：compile_query(forge_json, dialect) 依次 coerce、JSON Schema 校验、alias 展开和方言编译。
收益：在相同 Forge JSON、编译器版本和方言下，SQL 可复现；错误可定位到结构字段；编译规则可用单测固定。
边界：编译确定性不代表 Forge JSON 的业务语义正确，也不代表不同编译器版本输出文本完全相同。
3. Registry：把组织知识放到模型外
Section titled “3. Registry：把组织知识放到模型外”类比：通用翻译器之外，还需要公司的术语表、财务口径和字段字典。
机制：结构层由 forge sync 生成；语义层包含 metrics、disambiguations、field conventions 和 business context；候选规则经过 staging/人工确认。
收益：同一个词在不同公司可有不同定义；规则可版本控制、审核和复用。
边界：Registry 不完整时，系统仍可能误解；错误规则会稳定地产生错误，因此治理和回归测试同样重要。
4. Schema RAG：只把相关地图交给模型
Section titled “4. Schema RAG：只把相关地图交给模型”类比：问“北京地铁”时，不把全国所有道路地图铺在桌上。
机制：为表构建含名称、描述、列和枚举的文本；优先向量余弦召回，无 Embedding 时用中文 bigram 的 BM25-lite；索引缓存，ACL 在上下文构建时过滤。
收益：减少 token 和无关表干扰；Embedding 不可用时仍可退化运行。
边界：top-k 是召回与噪声的取舍。历史小样本结果不能外推为任意客户 Schema 的保证。
5. Lint 与失败反馈：把事故写成护栏
Section titled “5. Lint 与失败反馈：把事故写成护栏”类比：航空检查单来自真实事故，而不是“请飞行员更认真”。
机制：lint_conventions() 检查字段、过滤、粒度、TopN、结果列等契约；失败信息返回 LLM，最多重试；稳定规则进入测试、Registry 或租户规则。
收益：确定性规则比不断加 prompt 更可测、更可回归。
边界：当前部分 large benchmark 规则仍有数据集特征，不能包装成通用能力；目标是逐步租户化，而非无限堆全局 lint。
6. Human-in-the-loop 与审计链：把“看过”变成系统步骤
Section titled “6. Human-in-the-loop 与审计链：把“看过”变成系统步骤”类比：付款前必须显示最终金额并由人确认，而不是让推荐系统直接扣款。
机制：生成 SQL 后进入 pending/review；用户 approve/cancel；Executor 校验只读、超时和结果上限；Audit 保存问题、Forge JSON、SQL、状态、耗时和错误；Feedback 进入后续复盘。
收益：审核者看到的 SQL就是执行对象；外部 /api/prepare-query 只返回待审核 SQL，不能借内部 pending 流直接执行。
边界：人工审核不等于人工一定看懂；应用层只读校验不替代数据库只读权限。
7. 模型与数据库解耦：替换能力，不替换信任链
Section titled “7. 模型与数据库解耦：替换能力，不替换信任链”类比：更换翻译人员，不必重建出版社和印刷厂。
机制：LLM Provider、Forge JSON、Compiler 方言和 Executor 分层；数据库能力按 compile/sync/execute/smoke/production 分级。
收益：可接 Anthropic 或 OpenAI-compatible Provider；可在私有环境中替换模型；SQLite/PG/MySQL 共享核心查询语义。
边界：接口“兼容 OpenAI”不代表 tool calling、strict schema、超时行为完全一致；能编译 BigQuery/Snowflake SQL 也不等于已经能安全 sync 和执行。
文字替代说明：LLM 输出先经过动态 Schema、Lint 和 Compiler；失败被结构化反馈给 LLM 重试，成功 SQL 进入人工审核；线上反馈再回到 Registry、Lint 和测试集。
8. 一句话总结
Section titled “8. 一句话总结”Forge 的优势不是某一个模型技巧，而是把概率系统包在一组可治理的确定性边界中：
组织语义 + 受约束意图 + 确定性编译 + 人工决策 + 只读执行 + 可回放证据