0. 前情提要

在 【实战 01】任务定义：从经营维度构建 Text2SQL Agent 评测基准-CSDN博客中，我们构建了 10 个梯度的 Benchmark v2.0。今天，我们将这套考卷交给大模型界的性价比王者——DeepSeek-V3.2 (Non-Thinking Mode)。

本文将通过对比测试证明：在最简单的 Naive Zero-shot 架构下，AI 是一个完美的“取数助手”，但不是一个合格的“业务专家”，仍待测试。

1. 架构定义：什么是“Naive Zero-shot (原生直出)”？

这是 Text2SQL 路径中最基础的 Baseline（基准线）。它的特点是“单向、线性、无反馈”。

1.1 运行逻辑

模型仅依赖 Prompt 中提供的 DDL（表结构）和用户问题进行一次性推理。

• 输入： 全量 DDL + System Prompt + 用户问题。

• 输出： 直接生成的 SQL 语句。

• 特性： 不具备意图澄清、不具备报错纠错、不具备业务知识挂载。

1.2 架构逻辑图

2. 核心引擎：DeepSeek-V3.2 深度剖析

本次测试选用的底座是 DeepSeek-V3.2。作为 671B 参数量的 MoE 架构，它在 Text2SQL 领域具有极高的天然优势：

• 极低成本： 输入 0.1 元/1M tokens，输出 0.2 元/1M tokens。这意味着一次复杂的经营分析查询，成本仅为人民币 0.0001 元。

• 代码原生强化： 相比通用模型，DeepSeek 在预训练阶段对逻辑代码进行了深度加固，这使得它在 Naive 架构下的 SQL 语法准确率极高

3. 测评结果：理想环境下的“学霸”假象

我们首先在精准语义、洁净数据（标准 Chinook 数据库）的环境下进行了测试。

题号	难度	考点简述	结果	得分
Q1-Q3	1-2	基础关联与分组过滤	✅	18
Q4-Q8	3-4	多表穿透与嵌套指标	✅	56
Q9-Q10	5	复杂占比与能效方差	✅	26
总计	-	-	PASS	100

结论： 在语义 100% 精准的情况下，即便是不带任何纠错机制的 Naive 架构，DeepSeek-V3.2 依然拿到了满分。这证明了：对于具备 SQL 基础的数据分析师（DA），简单架构已足够提升 80% 的取数效率。

4. 核心洞察：产品经理视角下的架构边界

通过对 DeepSeek-V3.2 在 Naive 架构下的两轮测试，我们得出了三个极具工程落地价值的结论：

• 提效神器：单一数据域的“即插即用” 在类似 Chinook 这种规模（11 张表）且数据治理较为理想（外键清晰、命名规范）的环境下，Naive 架构配合 DeepSeek-V3.2 的原生逻辑能力，已经足以支撑 专业数据分析师（DA） 的日常取数。它能将复杂的 Join 拼接时间从分钟级降至秒级，是提升内部数据域生产力的最优性价比方案。

• 成本红线：全量 DDL 注入的 Token 压力 尽管 DeepSeek 极具价格优势，但 Naive 架构采用“全量 DDL 注入”的模式在面对企业级数千张表时会迅速失效。作为产品经理，必须考虑 Token 消耗与响应延迟（Latency） 的平衡。如果每次提问都要带上几万字的表结构，不仅成本激增，更会因为信息过载导致模型生成 SQL 的准确率下降。

• 技术下沉：本地开源小模型的替代可能性 云端大模型虽强，但数据隐私和长期订阅成本是企业痛点。我们迫切需要验证：像 Qwen-2.5-7B 这样参数量级更小、可在本地环境部署的“小钢炮”，通过合理的 Prompt 工程或微调，是否能在特定数据域内达到 DeepSeek-V3.2 同样的取数精度？

5. 下一步演进：寻找“业务级”最优解

既然发现了 Naive 架构“能辅助专业人员，难赋能业务人员”的现状，下一步我们将从两个差异化方向进行深挖：

方向 A：给分析师省钱——Token 瘦身与本地化

我们将离开云端环境，在本地服务器部署 Qwen-2.5-7B，测试两项关键策略：

1. Schema RAG（按需检索）： 放弃全量注入，利用向量数据库只检索与问题相关的表结构，目标是将 Token 消耗降低 80% 以上。

2. 性能对标： 验证 7B 模型在处理 Q4-Q8 等中高难度题目时的逻辑稳定性。

方向 B：给业务员降门槛——模糊语义的精准转化

要让不配置 SQL 知识的业务人员也能“对话即报表”，我们需要打破 Naive 架构的线性逻辑：

1. 意图澄清机制（Clarification）： 当用户说“独狼”或“业绩拉胯”时，Agent 如何通过多轮对话反问用户，将模糊口语收敛为确定的计算口语。

2. 业务字典映射： 引入 RAG 挂载企业内部的业务术语库，实现从“行话”到“字段”的精准翻译。

本文通过实测划清了 Naive 架构的适用边界：它适合作为 DA 的“副驾驶”，但在业务一线的“泥泞道路”上的表现未知。下一篇我们将测试如何给分析师省钱，节省Token。