本专题是一套可落地的 NL2SQL 智能数据分析平台工程实践，按「总览 → 后端核心 → 对话与大屏 → 前端交互 → 生产演进」组织。
阅读建议
- 先读 第 1 篇 建立双库架构与模块全景
- 后端同学重点看 第 2–4 篇（LLM 网关、元数据、NL→SQL）
- 全栈/产品侧重点看 第 5–7 篇（对话、大屏两阶段、拖拽编辑器）
- 第 8 篇 区分「当前已实现」与「规划扩展」（Redis、Compose、监控等）
系列教程
NLP MySQL 智能数据分析平台
8 篇全栈实战：自然语言查库、LLM 网关、NL→SQL、对话与大屏两阶段架构
入门与总览
01NLP MySQL 智能数据分析平台 —— 项目概览与技术选型
自然语言查 MySQL 的智能分析平台全貌：双库架构、FastAPI 异步、LiteLLM 网关与大屏两阶段设计，附系列导读与快速启动。
后端核心
02LLM 统一网关设计 —— LiteLLM 抽象、Prompt 工程与响应清洗
用 LiteLLM 统一 DeepSeek/OpenAI 调用，内嵌 Prompt 与多层响应清洗，实现零成本换模型与稳定 JSON/SQL 输出。
元数据智能管理系统 —— LLM 驱动的语义模型构建
LLM 自动解析表字段中文名与表关系，实时组装 semantic model 注入 NL→SQL；说明与 Redis 缓存等规划能力的差异。
NL→SQL 转换引擎 —— 语义模型注入与安全验证
语义模型注入、LiteLLM 生成 SQL、SELECT 校验与黑名单过滤；对接对话与大屏 resolve 的完整流水线。
对话与大屏
05智能对话引擎实战 —— 多轮上下文管理与智能图表推荐
chat_engine 线性流水线：会话持久化、多轮上下文、规则引擎图表推荐与报告生成，非 LLM 选图。
数据大屏两阶段分离架构 —— 设计时 vs 运行时解耦
设计时 resolve 写入 query_config.sql，运行时 render 仅执行 SQL；大屏刷新 200ms 级，零 LLM 成本。
前端交互
07前端拖拽交互系统实现 —— Drag API + Grid + mousedown
DashboardBuilder：组件库 HTML5 Drag 拖入、画布 mousedown 移动缩放、Grid 吸附与布局持久化。
生产演进
08生产部署与性能优化 —— 异步架构、缓存策略与监控
区分当前 FastAPI 单体（uvicorn + Vite）与规划中的 Redis、Compose、Prometheus/ELK；本地跑通与演进路线。