适用于混合模态异构企业数据源的会话式查询引擎

企业商业智能查询跨越结构化仓库和非结构化文档存储库——具有根本不同的访问方法、成本概况和正确性语义的模式。现有的支持 AI 的界面迫使用户选择正确的工具：NL2SQL 系统无法对幻灯片进行推理，并且 RAG 管道无法访问实时仓库表。我们提出了 COGNI，一个生产会话 BI 系统，它将自然语言分析视为异构查询处理问题，组织为四个架构层。首先，索引层实现了幻灯片自适应分块——纯文本幻灯片的递归分块，表格、图表和键值块等结构化内容的分层分块——在我们的内部企业基准测试中实现了 88.3%。其次，基于 LoRA 微调的 Qwen-2.5-1.5B-Instruct 模型构建的路由层，可产生双重输出 - 模态决策和复杂性评估，准确度为 93.8%，成本比前沿模型低约 7倍。第三，检索层执行复杂性自适应管道：自校正 NL2SQL 代理，G-Eval 为 93.9%，递归语言模型在多跳综合查询上达到 91.0%。最后，缓存层除了嵌入相似性之外还跨多个维度验证查询等效性，实现零错误缓存命中并减少 8.4 倍的延迟。