切换深色模式
结构化数据 Agent：从自然语言到查询语义
对应 CS224V · 2026-10-07 · Agents for Structured and Hybrid Data。日期为校方课表日期，可能调整。核对官方课表。
资料状态
核对日期：2026-09-19。对应课程尚未开课；本文是基于公开课纲与文中原始资料的原创预习技术解读，不是课堂实录、讲义翻译或官方作业答案。本文于 2026-09-20 深度修订。示例为原创教学设计；离线实验与真实模型实验的边界分别说明，不以推演冒充模型实测。
课程助手现在要从 C1–C6 中筛选秋季、无冲突、先修满足的课程。把表格转成一段自然语言再让模型挑选，很容易遗漏一个条件。结构化数据的优势，在于可以把自然语言理解与确定性执行分开。
本讲完成从请求到查询的转换，并重点解释：SQL 能执行，为何仍然可能回答错问题。
模式不仅是列名，也是语义约定
数据库需要明确学期枚举、学分单位、课程与开课实例的关系。课程介绍可能长期不变，上课时段却属于具体学期的 offering；若把二者混成一行，更新一个学期可能覆盖另一个学期。
一个教学模式可以包含 courses、offerings、meetings 和 prerequisites。查询时先选开课实例，再关联课程介绍，避免把上一年的时间表拼到今年的课程上。
模型要知道 credits=3 是 3 学分，term='autumn' 是枚举值。用户说 fall 可以映射为 autumn，但映射应由模式说明与合法值约束，而不是遇到空结果后随意改写。
时间冲突是区间关系
将上课时段统一成同一时区、同一天内的分钟数，使用半开区间 [start,end)。两个区间冲突的条件是：
text
同一天，且 start1 < end2，且 start2 < end1周三 14–16 与 15–17 冲突；14–16 与 16–18 在这个约定下不冲突。若需要跨教室通勤时间，应把缓冲加入业务规则，而不是偷偷改比较符。
有多个上课时段时，任意一个时段冲突就排除该开课实例。SQL 可用 NOT EXISTS 表达不存在冲突时段。只比较星期几会错误排除同一天但不重叠的课。
先修的未知不是不满足，也不是满足
用户完成 A，B 未知。C3 要求 B，数据库中找不到完成记录时，如果记录体系不保证完整，就只能说未确认。不能默认用户没有学过，也不能为了推荐而默认满足。
可以在数据层保存已完成、明确未完成和未知三类状态。只有“已确认满足”进入确定推荐；未知进入待核实集合。后续约束求解篇会进一步说明这种开放事实的处理。
连接会悄悄改变计数
一门课有三条评价，连接 courses JOIN reviews 后出现三行。如果随后 COUNT(*)，统计的是评价行，不是课程数。按学分求和还可能把一门课算三遍。
这不是模型算术不行，而是查询粒度错误。对课程计数用正确的课程或开课实例键，或先聚合评价再连接。DISTINCT 可以消除某些重复，却不能代替理解哪些重复具有真实含义。
一次自然语言解析应输出什么
解析器可以先给出结构化意图：目标实体是开课实例，学期过滤，排除冲突，确认先修，单门加入后不超学分。之后由受限查询构建器生成 SQL，或对模型生成的查询执行语法树检查。
仅用字符串判断是否包含 SELECT 不够；多语句、函数和可访问对象都需要控制。执行账号使用只读权限、超时和结果上限，让模型无法通过查询文本扩大数据库能力。
SUQL 官方项目可作为后续混合查询的研究来源；本篇先建立普通结构化查询的语义基础。
把“任何时段都不能冲突”写进查询
以下是简化模式下的相关子查询；busy 保存用户已有时段，meetings 保存每个开课实例的全部时段。其余条件在外层分别检查。
sql
SELECT o.id
FROM offerings AS o
WHERE o.term = 'autumn'
AND NOT EXISTS (
SELECT 1
FROM meetings AS m
JOIN busy AS b ON m.day = b.day
WHERE m.offering_id = o.id
AND m.start_min < b.end_min
AND b.start_min < m.end_min
);外层每次考虑一个开课实例；内层只要找到一对冲突时段，EXISTS 就成立，该实例被排除。反过来，不能写成“存在一个不冲突时段”：一门课有周一讲座和周三实验，周一不冲突并不能抵消周三冲突。
还有一个容易被忽略的前提：课程时间表完整。如果 meetings 缺了全部记录，内层也找不到冲突，查询会把它当作通过。因此生产查询需要额外的 schedule_complete 状态，或在数据接入层保证每个实例的时段已完整录入。数据库忠实执行的只是已给定语义，不会自动知道空表代表“没有课”还是“资料缺失”。
用极小数据暴露错误
在共同数据上，忽略文本条件时，确定满足硬条件的课程是 C1、C5、C6。C2 时间冲突，C3 先修未知，C4 学期不符。把 C2 的开始时间改为 16 点，按半开区间规则它才通过时间条件。
再把用户学分上限改为 6，任何 3 学分课程加入后都超限。若结果不变，说明某个条件没有进入查询。随后为 C1 添加第二条评价，候选数不应增加。
这些变形测试不依赖模型自然语言是否漂亮，直接验证查询是否保持任务语义。
下一讲在这些硬条件之上加入“实践充分”的文本判断，讨论混合查询的成本与正确性。继续阅读SUQL。