自然语言查询
ERP 数据问答：用中文直接向 ERP 提问
简要回答
ERP 数据问答让业务人员用中文提问，系统把问题转成对 ERP 数据的只读查询，返回结果并展示所用的查询语句。它不能保证每个问题都答对，所以需要展示依据、继承 ERP 权限，并在评估阶段用真实问题测试准确率。
多数制造企业的 ERP 里数据很全，但取数很难。业务人员想看「本月未交订单按客户汇总」，要么找 IT 写 SQL，要么导出到 Excel 自己整理，要么等 BI 团队排期。临时需求多，IT 成了瓶颈。
大模型让「用中文提问、直接得到答案」成为可能，但直接把问题丢给模型、让它猜表结构，结果往往不可靠：字段含义不明，多表关联出错，口径与财务不一致。可靠的做法需要一层受控的语义层、权限控制和结果验证。
本文说明 ERP 数据问答该怎么做才可信，以及它适合和不适合的场景。
为什么直接让模型写 SQL 不可靠
ERP 的表和字段名对模型来说缺少语义。同一个「订单金额」，含税还是不含税、是否扣除折扣、按下单日还是发货日统计，每家企业口径不同。模型不知道这些约定，就会给出看似合理但数字不对的答案。
另一个问题是性能与安全。让模型自由生成 SQL，可能写出扫描全表的重查询拖慢生产库，也可能越权读取不该看的数据。所以必须限定只读、限定可访问的视图，并设置超时和行数上限。
- 业务口径（含税、折扣、日期基准）模型无法自行得知
- 多表关联与单位换算容易出错
- 不受控的查询可能拖慢生产数据库
- 越权访问风险需要在数据层而不是提示词层解决
可信的做法：语义层、只读、可见的查询
第一，建立语义层：把常用的业务概念（未交订单、可用库存、在途数量、毛利）定义成明确的视图或指标，写清口径，模型只在这个层上查询，而不是面对几百张原始表。
第二，默认只读，查询通过只读账号或只读副本执行，设置超时与行数限制。第三，每个答案都展示所用的查询和数据时间，用户可以核对，也可以交给 IT 复核。第四，继承 ERP 角色：以提问者的身份取数，销售看不到成本，车间看不到薪资。
这些原则正是 ERPray 的设计思路。它目前支持 NetSuite、Infor SyteLine、M3、LN，并可通过连接器适配其他 ERP。
常见使用场景
销售与客服：某客户的未交订单、预计发货日期、历史价格。采购：某物料的在途采购单、供应商交货准时率、近期价格变化。计划：库存周转、呆滞库存清单、缺料清单。财务：应收账龄、按项目的成本汇总，但涉及财务口径的结果应与既有报表核对。
管理层：以仪表盘形式展示常看的指标，并允许追问「为什么这个月毛利下降」，模型根据数据给出可核查的线索，例如某几个产品的成本上升或价格折让增加。
- 未交订单与交期查询
- 库存、呆滞料与周转分析
- 采购在途与供应商交货情况
- 应收账龄与按项目成本汇总
部署与数据留存
为了让数据不出厂，模型建议部署在厂内服务器或境内私有云，使用开源模型加 vLLM 或 Ollama。语义层、索引和日志也留在企业内部。这符合数据安全法对数据分类保护的思路，也避免了数据出境评估的负担。
对于有保密要求的行业，例如航空航天、军工配套和电子，可以做到完全离线部署，不依赖外网。访问日志与查询日志可对接企业现有的审计系统。
什么时候不需要
如果你的需求主要是几张固定报表，用 BI 工具做好仪表盘更稳妥，也更便宜。如果 ERP 厂商已经提供了够用的自然语言查询功能，并且数据合规上可以接受，直接使用即可。
自然语言问答适合长尾的、临时的、多变的问题。对需要审计级精确度的财务报表，仍应以正式报表为准，问答结果只作参考。
如何评估效果
我们建议在评估阶段收集业务人员最常问的五十到一百个真实问题，由 IT 给出标准答案，再测试系统的命中率，并按部门统计。这样可以明确知道在你们的数据上，系统能稳定回答哪一类问题，哪些需要先补充语义层定义。
评估通常两到四周，输出包括命中率、需要补充的口径定义、硬件建议和上线计划，也包括是否值得上线的坦率判断。
常见问题
回答错了怎么办？
每个答案都显示所用的查询和数据时间，用户可以核对。出现错误时，通常通过补充语义层的口径定义来修正，并把该问题加入测试集。
会不会泄露不该看的数据？
系统继承 ERP 的角色权限，以提问者身份查询，并限定只读。数据层的权限控制比提示词里的限制更可靠。
支持哪些 ERP？
ERPray 目前支持 NetSuite、Infor SyteLine、M3、LN，其他 ERP 可通过连接器适配，具体需在评估阶段确认。
能连接 Excel、数据库和文档吗？
可以。DataRay 用于对数据库、文件共享和文档做对话式查询，同样可以在本地部署。
需要多长时间上线？
取决于语义层的工作量和 ERP 的接口条件。评估后会给出具体计划，不做脱离实际的时间承诺。
相关指南
Infor SyteLine / LN 在中国工厂的 AI 落地指南
在华外资与出海制造企业使用 Infor SyteLine、LN 的 AI 落地方式：本地部署开源大模型，数据不出厂，符合数据安全法与个人信息保护法。
ERP + APS 生产计划排程基于 ERP 数据的 AI 辅助生产计划排程（APS）
用 ERP 工单、BOM、工艺路线与库存数据支撑 APS 排程：AI 做缺料预警、插单分析与排程解释，排程算法仍由 APS 负责，私有化部署。
ERP + QMS 质量管理基于 ERP 数据的 AI 质量管理：8D、追溯与根因分析
把 ERP 的批次、检验、不合格品与供应商数据接入 QMS 流程，用 AI 辅助 8D 报告、根因分析与追溯，私有化部署，需人工审核。
制造业 AI 选型与 RFP制造业 AI 选型与 RFP：评估供应商时该问什么
制造企业评估 ERP 与生产系统 AI 供应商时该问什么：数据位置、模型、权限、只读与审批、评估方法、成本与退出，附 RFP 提问清单。
用友 U8 / U9 Cloud用友 U8 / U9 Cloud 的 AI 集成：数据不出厂的做法
在用友 U8、U9 Cloud 上落地私有化 AI：用自然语言查库存、采购、生产订单与缺料，数据不出厂，默认只读，写入需人工确认。
用友 BIP用友 BIP 之上的企业 AI：私有化问答与智能体
用友 BIP 之上如何加 AI：基于开放平台与 API 做自然语言查询和智能体，开源模型本地部署，权限沿用 BIP 角色，写入需人工审批。