如何利用 Function Calling 结合本地数据库实现动态报表生成

把大模型当成一个「自然语言转 SQL」的翻译官其实太浪费了，真正的正确姿势是把数据库查询能力封装成 Tool，让 LLM 通过 Function Calling 自主决定调用哪个接口。我最近在做一个内部财务报表系统，通过这种方式实现了用户直接问「对比上季度，哪个产品线的毛利下滑最严重」，AI 就能自动生成分析报表。

最核心的坑在于：绝对不要让 AI 直接写 SQL 语句并执行，否则一旦遇到复杂的 Join 或者慢查询，数据库直接宕机。我采取的方案是定义一套标准化的「查询原语」。

定义 Function 的 Schema 时，参数要极其具体。比如我定义了一个 get_sales_report 函数：

{
  "name": "get_sales_report",
  "description": "获取销售额报表，支持按维度分组和时间筛选",
  "parameters": {
    "type": "object",
    "properties": {
      "dimensions": {
        "type": "array",
        "items": { "type": "string", "enum": ["product_line", "region", "sales_rep"] },
        "description": "统计维度"
      },
      "time_range": {
        "type": "string", 
        "description": "时间范围，格式为 YYYY-MM-DD to YYYY-MM-DD"
      },
      "metric": {
        "type": "string",
        "enum": ["revenue", "profit", "order_count"],
        "description": "统计指标"
      }
    },
    "required": ["dimensions", "time_range", "metric"]
  }
}

在后端实现层，我用 Python 写了一个映射层，将这些参数转化为预定义的 SQL 模板。这样既保证了安全，又提升了执行效率。

效率提升的关键点：

上下文注入。在 System Prompt 中给 AI 一份简易的「数据字典」，告诉它哪些维度是关联的。比如：当前可用维度：product_line(产品线), region(区域)。注意：毛利分析必须使用 profit 指标。如果不加这个，AI 经常会幻想出一些数据库里根本不存在的字段名。

多步推理链。复杂的报表往往需要多次调用。比如用户问「谁是上季度表现最差的销售」，AI 的执行路径应该是：get_sales_report(metric='revenue', dimensions=['sales_rep']) → 获取结果列表 → 在内存中排序找到最小值 → 输出结论。

踩过的坑：
参数类型不匹配是最高频的问题。尤其是日期格式，LLM 经常把「上个月」直接传给函数，导致 SQL 报错。我在中间层加了一个简单的日期解析函数，强制将自然语言日期转换为 YYYY-MM-DD。

代码逻辑实现片段：

def handle_tool_call(tool_call):
    # 将 AI 返回的参数映射到预设 SQL
    params = tool_call.arguments
    sql_template = "SELECT {dim}, SUM({met}) FROM sales WHERE date BETWEEN '{start}' AND '{end}' GROUP BY {dim}"
    
    # 安全过滤，防止注入
    safe_dim = params['dimensions'][0] if params['dimensions'][0] in ALLOWED_DIMS else 'id'
    
    query = sql_template.format(
        dim=safe_dim, 
        met=params['metric'], 
        start=params['time_range'].split(' to ')[0], 
        end=params['time_range'].split(' to ')[1]
    )
    return db.execute(query)

这种方案比单纯的 Text-to-SQL 稳定得多，因为你把控制权握在了自己手里，AI 只负责调度。