Trove 数据决策智能体

1 2 3 4

1. 1结论——一句话给出答案本身。先读这里；数字有疑问再往下核。
2. 2数据截止时间与置信度——截止时间是这次查询所依据数据的时间边界，无从判断时如实写「无从判断」，不猜一个日期。
3. 3出处条——数据源、模型与运行 ID，加「KB 命中」与「校验 OK」两枚状态章。答案解剖 →
4. 4分析过程——这条答案是怎么一步步算出来的：意图路由 → 表关联 → 查询计划 → 生成 SQL → …… → 最终回答，各带耗时，随时展开核对。分析面板 →

# 内置 BIRD 金融演示数据源，装完即可问
uv run trove --datasource demo

# 一次性提问，输出 JSON
echo "哪个地区的平均贷款金额最高?" | uv run trove-cli --datasource demo --print

系统的形状——入口、编排、能力层与数据源各是什么——见 系统架构 · 全貌。

分析 ——「为什么变了」

问「为什么……」「什么导致……」时，不走生成 SQL，走确定性分解：先按贡献最大的维度把总变化拆开 （贡献分解 / 比率 shift-share），再沿指标表达式下钻成驱动器树。每个数字都由可复算的查询算出来、进证据， LLM 只把结果写成一句人话。「变了多少才算变了」由稳健 z 与历史同粒度块的噪声带回答—— 超出噪声带 / 落在带内 / 判不了，三态如实；判不了绝不冒充「没变化」。

1 2 3 4

1. 1已声明度量——归因沿语义模型声明过的指标解析（这里是 max_loan_amount）；「归因」标卡片类型，「本期」标基线口径。
2. 2总变化与主维度——一句话说清变化多大、沿哪个维度分解（这里是 loan.status）。
3. 3分类瀑布与贡献表——每个分类的增减推演与贡献占比；度量可分解时，贡献表下面还会多一段沿表达式逐层拆的驱动器树。
4. 4证据（查询 N）——这次归因实跑过的查询清单，当期与基期各一条，每个数字都能复算；哪一步没做成以 degraded 如实记在这里。

决策 ——「该不该警觉」

阈值规则直接用语义模型自己的词汇声明：指标、维度、过滤、时间窗——声明一次，每次求值都按它执行， 判定过程零 LLM；「变了多少才算警觉」同样交给季节噪声带：超出才触发、在带内不打扰、判不了如实报。 每条判定都留着它当时判的 SQL 与原始结果行；规则文件每次改动都是一次 git 提交，判定史按规则版本分桶回评。

1 2 3 4 5

1. 1一条判定——时间、级别（alert / ok / error）与一句话结论；下面的芯片是相邻 diff 的一句话。
2. 2证据 · SQL 与原始结果行——判定当时真正执行的那条查询，与它判到的数字原样。
3. 3判定行——分组、当期、基期、Δ、Δ% 与结论逐项列出；维度不足时照实呈现，不补造。
4. 4更早的判定——逐条同样带芯片；「无前次可比」也是一枚芯片，而不是一个消失的区块。
5. 5判定质量——判定史按规则版本分桶回评：触发率、行动有效 / 无变化 / 测不了的条数；样本不足不报比率。

行动 ——「接下来做什么」

判定触发不会只发一条通知了事：它冻结成一份行动提案——载荷在创建那一刻定死，之后谁批准， 外送的就是那一份；批准之前，任何东西都不会离开系统。批准后外送走 webhook / IM，回执逐条落库； 行动之后还会用与判定同一套噪声带复测「数字动了没有」——超出 / 无变化 / 判不了，三态如实。 系统自身没有写回业务库的通道，这是构造上的保证，不是配置开关。

1 2 3

1. 1只提议，不触碰业务库——页面自己写明的姿态：批准之前，任何东西都不会离开系统。
2. 2载荷创建时冻结——批准外送的就是抽屉里看到的那一份。
3. 3一条提案与行尾动作——规则、模板、风险、数据源与创建时间；批准之后才会出现「外送」等后续动作，回执与效果验收都记在这一条的详情里。

逐条展开：判定规则、因果升级与 what-if 见 判定规则； 提案、审批与效果验收见 行动与审批；分解数学与统计器械见 分解数学与驱动器树 与 统计与噪声带。

而这份语义模型不只是「指标 + 维度」的清单：数据集可以声明成对象（业务名、自然键、别名）， 表间连接可以声明成关系（业务名），维度链可以声明成层级（粗 → 细）—— 声明一次，答案表头、拒绝出口、分析取哪一级、判定与行动通知都改说业务的词。 它没有自己的存储，就是 semantics.yml 里的三段声明： 见 本体。

更多机制——工具权限裁剪、模型预算护栏、以用户身份重放——见 安全边界与 Agent 能力总览的逐条展开。

# 1. 换成你的题目集跑评测，代价敏感，按需手动跑
uv run python scripts/eval_bird.py --kb-dir <你的 KB 目录>

# 2. 拿到 baseline 后，之后每次改动都过一遍零成本回归门
uv run python scripts/eval_gate.py --baseline <旧结果> --current <新结果>

# 3. 扩展资产装上之前，先试跑再回放——同样零 LLM，--json 直喂同一道门
uv run trove validate --run --datasource <你的数据源>           # 装 / 不装 双态消融
uv run trove validate --impact <包或目录> --datasource <你的数据源>  # 影响面四桶差分

第 2 步是这套评测设计的关键：判定落盘之后，回归检查不调用任何模型、不碰网络， 所以它可以进 CI，也可以在你提交前顺手跑一次。同一道门也吃第 3 步的输出： 新技能、判定规则、预设装上之前，先用本机语料装前试跑与影响面回放—— 和评测共用一份语料、报告直喂 eval_gate.py。完整方法见 评测与回归门。