05｜Forge DSL 与确定性编译

本页保留早期架构、实验成绩与原文；正文中的“当前”“已解决”“生产就绪”仅指当时判断，不代表现行版本或安全认证。旧共享 API Key、pending/approve、v1 执行及原始 SQL 执行方式不得用作生产接入指南，也不要照此连接真实客户数据或公开服务。

当前产品是 Evaluate → Enforce → Explain Trust Runtime；公开源码的普通 Quickstart 使用 v1 合成演示。本地未提交 v2 候选才引入独立主体与有界授权、退休旧执行入口；不能将这些变更当成公开版本已发布能力。最新公开测试摘要仍记录 Direct SQL 授权检查与 Pi 跨主体事件去重隔离两项 P0 发布阻断，不提供后续修复认证。请以当前介绍、Quickstart和验证边界为准；旧实验仅在隔离合成环境中作为历史学习材料阅读。

Forge DSL 与确定性编译

1. DSL 不是给人手写的“简化 SQL”

Forge DSL 是面向机器生成的 JSON 中间表示（IR）：

自然语言 → Forge JSON → SQL
            概率系统    确定性系统

它的价值不是比 SQL 更短，而是把“理解意图”和“生成可执行语法”分离。

2. 字段接近 SQL 的执行语义

执行阶段	DSL	SQL
数据来源	`scan`	FROM
关系组合	`joins`	JOIN
行过滤	`filter`	WHERE
分组/聚合	`group` / `agg`	GROUP BY / aggregate
聚合过滤	`having`	HAVING
窗口	`window`	OVER
窗口后过滤	`qualify`	包装子查询/QUALIFY 语义
输出	`select`	SELECT
排序分页	`sort` / `limit` / `offset`	ORDER BY/LIMIT/OFFSET

3. 编译管线

输入 JSON
  → deepcopy 与 _coerce
  → JSON Schema validation
  → CTE/集合运算递归编译
  → 聚合与窗口表达式构建
  → alias 展开
  → 方言日期/字符串/连接能力检查
  → SQL 字符串

_coerce 用来兼容模型常见但可无歧义修正的格式偏差。它不是“猜业务”，只应做确定性修复。无法无歧义修正时必须报错并反馈模型。

4. 三个系统性案例

4.1 Anti Join 与 NULL

-- 风险写法：子查询出现 NULL 时可能得到意外空集
WHERE user_id NOT IN (SELECT user_id FROM refunds)

DSL 用 type: "anti" 明确表达排除关系，Compiler 生成 anti/NOT EXISTS 语义，避免模型自由选择危险模式。

4.2 WHERE 与 HAVING

行条件进入 filter，聚合结果条件进入 having。字段位置让 Compiler 决定 SQL 子句，减少将 COUNT(*) 放进 WHERE 的错误。

4.3 Alias 作用域

SELECT COUNT(*) AS cnt, cnt * 2 AS double_cnt

许多数据库不允许同层 SELECT 引用同层 alias。_expand_aliases() 仅展开本层表达式中的未限定 agg/window 列引用。SQLGlot AST 定位原文后单次替换，保留限定源列、常量、函数/类型名和子查询内部作用域；CTE缺失输出不猜测补齐。

5. 能力边界

当前 DSL 包含：

inner/left/right/full/anti/semi/cross JOIN；
聚合、条件聚合、GROUP BY、HAVING；
排名、导航和聚合窗口、frame、qualify；
CTE 与 recursive CTE；
UNION/INTERSECT/EXCEPT；
IN 子查询、日期字面量与相对日期；
SQLite、PostgreSQL、MySQL 主要方言，以及 BigQuery/Snowflake 编译路径。

CROSS JOIN 的真实边界

旧文档曾写“刻意不支持 CROSS JOIN”，但当前 schema.json 明确允许 cross。它用于引用标量 CTE（如“与全局均值比较”），不要求 on。这不意味着鼓励任意笛卡儿积：Lint、示例和审核仍应限制其使用。

表达式透传

select.expr、部分聚合表达式和 CASE 能力保留字符串表达力。因此不能宣称所有合法 DSL 都完全杜绝字段幻觉或 SQL 注入式表达式风险；最终仍要 Compiler 校验、只读检查、审核和数据库权限。

6. 动态 Schema 的约束强弱

schema_builder.py 会把已知表和列做成枚举，但并非所有位置都能严格枚举：

scan、joins.table、多数 col 可严格约束；
聚合或计算表达式为支持 CASE/算术，可能保留 string；
枚举字段值目前主要作为描述提示，并非所有值都形成 token 枚举；
Provider 必须正确支持 tools/JSON Schema，约束才能在生成时生效。

因此更准确的表述是：

在动态 Schema 覆盖且 Provider 严格执行 Structured Output 的字段上，非法候选可在生成阶段被阻止；其余字段由校验、编译、lint 和审核继续兜底。

7. 方言支持不等于数据库交付支持

Compiler 能生成某种方言，只证明“翻译器存在”。生产支持还需要：

forge sync 能正确 introspect；
Executor 能连接并设置资源限制；
方言特性有测试或真实 smoke；
客户查询集通过；
有数据库权限、备份和运维方案。

详情见兼容性矩阵。