面向混合数据湖多模态多跳问答的智能体 DAG 编排规划器框架

企业日益需要在结合结构化表格与非结构化文档的混合数据湖上进行自然语言（NL）问答。当前已部署的方案（包括基于 RAG 的系统）通常依赖对每个存储的暴力检索和事后合并。这类方法低效且有泄漏，更关键的是，它们缺乏对多跳推理的显式支持——在多跳推理中，查询被分解为可能在结构化与非结构化来源之间来回穿梭的相继步骤（跳）。我们提出智能体 DAG 编排 Transformer（A.DOT）规划器，一个面向多模态多跳问答的框架，它将用户 NL 查询编译为横跨结构化与非结构化存储的有向无环图（DAG）执行计划。系统将查询分解为可并行化的子查询，纳入模式感知推理，并在执行前同时应用结构与语义验证。执行引擎严格遵循生成的 DAG 计划，协调跨异构来源的并发检索，将中间输出路由到依赖它的子查询，并严格按照计划的逻辑依赖合并最终结果。结合改写感知模板匹配的先进缓存机制，使系统能够识别等价查询并复用先前的 DAG 执行计划以快速重执行，而 DataOps 系统则处理验证反馈或执行错误。所提框架不仅提升了准确率与延迟，还生成显式证据链，支持对检索内容的验证与数据谱系的追踪，增进用户对系统输出的信任。在基准数据集上，A.DOT 相比基线在正确性上取得 14.8% 的绝对提升，在完整性上取得 10.7% 的提升。