核心用法
Semantic Search 是一套面向企业数据资产的多模态语义检索解决方案，支持四大核心场景：
1. 表格语义检索：通过自然语言定位数据库表，支持资源范围过滤与查询增强
2. 字段语义检索：精准定位表内字段，辅助数据血缘分析与Schema理解
3. Text-to-SQL 数据生成：将自然语言转化为可执行SQL，直接返回查询结果与SQL语句
4. 文件语义检索：覆盖文本与表格类文档的向量化检索
技术架构采用 BGE-M3（1024维向量）+ LanceDB/FlightSQL + BM25 混合检索 方案，结合 BGE-Reranker/Qwen3-Reranker 重排序，由 LangGraph 实现意图识别与工作流编排。配置层面支持 Nacos 动态管理，查询增强可选 HyDE、关键词提取、查询改写等策略。
显著优点
- 检索精度高：向量+BM25 混合检索配合 Rerank 重排，实测准确率 88%
- 企业级性能：P95 响应 1.2s，支持 120 QPS 并发，缓存命中率 65%
- 开箱即用：标准化 OpenClaw 接口封装，支持批量查询与TTL缓存
- 灵活扩展：模块化 Graph 架构（Structured/Unstructured/Field），便于场景定制
潜在局限
- 强依赖外部服务：需部署 FlightSQL、Embedding、Reranker、LLM 四类服务，运维复杂度高
- 数据安全边界模糊：企业敏感数据需经 Embedding 和 LLM 处理，存在数据外泄风险敞口
- SQL生成可控性：Text-to-SQL 依赖 LLM 生成逻辑，复杂业务场景需人工校验
- 中文优化有限：BGE-M3 虽支持多语言，但垂直领域术语理解需微调
适合人群
- 企业数据平台团队（数据中台、数据治理）
- 需要自然语言查询 BI/报表的业务分析师
- 构建企业知识库+数据资产统一检索的开发者
常规风险
| 风险类型 | 说明 | 缓释建议 |
|---------|------|---------|
| 数据泄露 | 敏感数据经第三方 Embedding/LLM | 部署私有化模型，启用数据脱敏 |
| SQL注入 | LLM生成SQL可能存在注入漏洞 | 执行前语法校验+权限白名单 |
| 服务可用性 | 多链路依赖导致级联故障 | 熔断降级+本地向量缓存 |
| 结果幻觉 | 检索或生成结果与事实不符 | 置信度阈值过滤+人工复核流程 |