用于事件分析的人工智能辅助 SQL

它是如何运作的

从信号到决策的可审查工作流程

给问题提供足够的背景信息

命名表、指标定义、时间范围、分组和预期输出。不明确的业务语言会产生不明确的 SQL。

检查生成的假设

在信任图表之前，请检查字段类型、连接、分母、空值处理和时间边界。

仅保存通过审核的查询

使用人工智能来加速，而不是权威。保存的查询应该可以被维护它的下一个人员或智能体理解。

使用 AI 生成可编辑查询

真实的产品捕获显示一个简单语言问题变成了 SQL，仍然可见以供审查。

边界

这不能取代什么

生成的 SQL 是一个起点，而不是权威的指标定义或安全决策。
AI 协助无法查看架构、提示或已审核的事件合同中缺少的业务上下文。
在为仪表板或警报提供动力之前，应检查查询的字段、联接、分母、空处理和时间窗口。

可检查的证明路径

从事件契约到可见的答案

此示例使用声明的架构、只读 SQL 和确定性合成结果。它演示了工作流程，但没有提供示例数据作为客户基准。

1. 活动合约

一排进入 agent_events，并明确查询所使用的类型。

timestamp_utc: Timestamp
event_name: Utf8
data.tool_name: Utf8
data.status: Utf8
data.args.operation: Utf8
data.latency_ms: Float64

浏览活动合同

2.只读SQL

哪些人工智能工具和参数与失败次数最多的调用相关？

SELECT
  "data.tool_name" AS tool_name,
  "data.args.operation" AS operation,
  COUNT(*) AS calls,
  SUM(CASE
    WHEN "data.status" = 'failed' THEN 1 ELSE 0
  END) AS failures,
  100.0 * SUM(CASE
    WHEN "data.status" = 'failed' THEN 1 ELSE 0
  END) / NULLIF(COUNT(*), 0) AS failure_rate_pct,
  approx_percentile_cont("data.latency_ms", 0.95) AS p95_latency_ms
FROM agent_events
WHERE event_name = 'agent_tool_called'
  AND timestamp_utc >= now() - INTERVAL '7 days'
GROUP BY "data.tool_name", "data.args.operation"
HAVING COUNT(*) >= 20
ORDER BY failure_rate_pct DESC, calls DESC;