结构化数据怎么接进 RAG？什么时候检索，什么时候直接查库？
面试怎么回答
结构化数据不适合直接转成文本做向量检索，因为数字要精确、需要聚合计算、数据量大且每天变化、维度组合无穷，向量检索返回的只是相似片段。数值类问题应该让模型通过工具去查，优先调用指标查询接口由语义层保证口径，其次是 Text2SQL 加护栏；文档类问题走 RAG。结构化数据里适合检索的是元数据和指标定义、维度值、少量稳定的参考数据，用来帮模型找到正确的表和指标、把用户的说法匹配到标准维度值。典型流程是判断问题类型、检索元数据、匹配维度值、查询、必要时检索口径文档、生成回答且数字必须来自查询结果。
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
用户问：「上个月华东区的退款率是多少？」有的团队把报表数据导出成文本，切块、向量化、放进 RAG。结果模型经常答错数字。面试官问这题，想看你是否清楚：结构化数据和非结构化文档，应该用不同的方式交给大模型。
为什么结构化数据不适合直接做向量检索
- 精确性：数字需要精确匹配和计算，向量检索返回的是「语义相似」的片段，可能是相邻月份、相邻区域的数据；
- 聚合计算：「退款率」需要用退款额除以销售额，跨行聚合，向量检索做不到；
- 数据量和时效：明细数据量大、每天变化，转成文本再向量化既不现实也不及时；
- 组合无穷：维度组合太多，不可能预先把每种组合都生成文本。
正确的方式：让模型去查
- 数值类问题：通过工具调用查询数据库或指标服务。最稳的方式是调用指标查询接口（指标名 + 维度 + 时间），口径由语义层保证；其次是 Text2SQL，由模型生成 SQL 再执行，但需要更多护栏；
- 文档类问题：「退款政策是什么」「退款率的口径怎么定义」，走 RAG 检索文档。
结构化数据在 RAG 里的正确用法
结构化信息里有一部分是适合检索的：
- 元数据：表和字段的描述、指标定义、口径说明，向量化后用于帮模型找到该用哪张表、哪个指标；
- 维度值：商品名、门店名、项目名这类实体，用于把用户的说法匹配到标准的维度值（「华东」→ 区域编码）；
- 少量稳定的参考数据：比如产品参数表，数据量小、变化少，可以直接作为文档。
组合的流程
一个智能问数助手的典型流程：
- 判断问题类型：要数值还是要解释；
- 检索元数据和指标定义，确定用哪个指标、哪些维度；
- 检索维度值，匹配用户说的实体；
- 调用指标服务或生成 SQL 查询；
- 如果需要，再检索相关文档解释口径；
- 生成回答，数字必须来自查询结果。