物料信息查询引擎：九场景循环

背景：查数这件事，被拆在了好几个入口里

在一家大型制造企业做品类管理，最高频的动作是查物料：这个料号用在哪些机型上、采购状态如何、有没有重复 BOM、降本措施推进到哪。麻烦的不是没有数据，而是入口太多——引用关系在一处，采购在另一处，图纸和规格又在第三处。业务同事要么提 IT 取数工单等半天，要么自己记住好几种查询姿势，口径还不统一。

方案：把「一次问答」设计成一个循环

我没有把它做成「一堆查询命令的合集」，而是做成一个查询循环：识别意图 → 绑定场景 → 执行查询 → 过验收门 → 输出或导出。九个业务场景压成一张速查表，料号、机型、平台三类关键词自动识别；能定位场景就走精确模式（约 3 秒返回），定位不了才交给自然语言解析。同时给循环上了硬约束：单次问答最多 2 次 API 请求、禁止拿本地缓存数据回答、用户输入疑似拼写不全时「模糊即停」——列出候选让人确认，而不是替他选。

创新：验收门与运行账本

两处设计最关键。一是验收门：不预设查询会成功，每次响应都拿状态码、行数、是否截断这些反馈信号逐项核对，不合格就修正重试，两轮不过就升级人工，禁止空转。二是运行账本：每次问答结束追加一行 JSON 记录，场景、请求次数、结果、耗时全留痕，按周复盘高频场景和空结果率，反哺字段白名单的调优。另有一处高频混淆专门写了对照表：「该机型的全部物料」和「仅该机型专用的物料」一字之差、语义完全不同，宁可多问一句也不猜。

价值：从「等工单」到「对话即得」

常见查询大多几秒内精确返回；预算约束让模型不再陷入连环试探；账本让每一次优化都有数据可依。更重要的是规矩立住了：模糊即停、两轮升级、不拿没有信号支撑的结论唬人——查询类智能体要赢得信任，靠的不是答得多快，而是从不假装答对了。