结构化查询与指标层

需要全量计算时不要用相似片段近似

“上月每个地区退款总额”要求完整数据、明确过滤和可复核聚合。向量检索返回的是若干相关记录，通常不是满足条件的全量集合，因此把检索到的发票交给模型相加，可能漏项、重复或混用币种。RAG可以解释规则，SQL与指标层负责确定性取数和计算。

建议向Agent暴露受控查询或业务指标工具，输入使用明确日期、实体、单位和过滤条件，输出返回结果、数据快照、执行口径和必要明细。PostgreSQL提供关系查询与事务基础；是否与pgvector共库是部署选择，不改变数值必须由完整数据计算的原则。

工具应封装业务口径

同一项收入可能包含净额/总额、集团/分部、应计/收付等差异。相比让模型自由拼写任意SQL，稳定的指标API更容易约束口径和权限。确需生成SQL时，应限定可读schema、参数、行数、执行时间和允许操作，不能让自然语言直接获得数据库写权限。

查询结果也要带as-of和来源版本。金融历史分析不能连接今天修订后的表却声称代表过去；教育掌握统计要固定评分器与题目版本；法律事项统计要固定资料覆盖与程序状态。确定性计算只保证按给定输入执行，不保证输入语义正确。

验证分成数据与解释两层

准备可人工算出的测试集合，包括空集、重复记录、跨币种、时间边界与权限差异。先核验返回值、分母和过滤，再检查模型是否忠实解释计算结果。模型不得把一个估算字段写成审计确认数字，也不应掩盖缺失数据。

对高代价查询设置预算并缓存合格快照；缓存资格仍受授权与新鲜度限制。若数据不完整，输出覆盖范围与缺项，而不是把没有检索到的记录当作数值为零。最终答案应让读者能复算关键步骤。