AI智能体需要直接连接企业数据库吗？

直接回答：AI 智能体通常不需要、也不适合直接持有企业生产数据库账号。更可控的做法是让智能体调用业务 API、只读查询服务或经过字段限制的视图，由服务端根据当前用户、部门、业务对象和用途判断可见范围。只有在数据分析或旧系统改造等特定场景下，才评估受控的只读数据库连接；任何写入动作都应经过业务接口、权限校验和必要的人工确认。

“读取数据”不等于“把数据库交给模型”

企业做 AI 智能体，多数项目不是从零训练模型，而是把成熟大模型、企业知识库、身份权限、业务接口和人工复核组合成一套软件流程。模型需要的是完成当前任务所需的上下文，不是整库结构、通用账号或任意 SQL 权限。

例如销售助手回答“这位客户最近有哪些未完成事项”，可以由 CRM 服务按照当前员工身份查询客户、跟进和任务，再把必要字段整理成结构化结果交给模型。模型负责摘要和解释，数据库权限仍由 CRM 与接口服务控制。这样既能沿用原系统的组织权限，也便于在日志中区分谁发起了查询、查了什么以及返回了哪些字段。

三种常见接入方式怎样选择

如果问题只依赖制度、产品说明和操作手册，应优先使用企业知识库 RAG，不必连接业务数据库。只有问题包含实时订单、库存、客户、工单或经营指标时，才需要访问业务数据，并根据时效要求决定实时接口、缓存还是定时同步。

权限判断必须放在受控服务端

提示词里写“不要泄露敏感信息”，不能替代权限控制。智能体发起查询时，工具层应收到可验证的用户身份，并按组织、角色、数据对象、字段和动作逐层判断。模型生成的用户编号、部门或查询条件只能作为待校验参数，不能作为授权依据。

• 身份：使用企业登录态或短时令牌，不能共用长期数据库账号。
• 范围：限定租户、部门、门店、项目或客户归属，避免跨范围查询。
• 字段：手机号、身份证件、合同金额等字段按任务脱敏或不返回。
• 动作：查询、导出、创建草稿和正式写入分开授权，不能用一个宽权限覆盖。
• 审计：记录发起人、问题、工具、参数摘要、返回范围、模型版本和处理结果。

自然语言转 SQL 要加哪些防线

自然语言问数场景容易把“模型会写 SQL”误解成“模型可以访问全库”。落地时可以让模型生成中间查询计划，再由服务端映射到批准的数据集、指标和过滤条件。执行层只接受查询语句或固定模板，设置表与字段白名单、时间范围、行数、超时和并发限制，并拒绝修改结构、写入数据或调用危险函数。

结果返回后还要做二次检查：当前用户是否有权查看这组数据，聚合结果是否可能反推出个人信息，空值和统计口径是否需要解释。涉及经营决策的指标应显示指标名称、统计周期、数据时间和来源，复杂结论保留人工复核。

异常和撤权也要进入验收

• 普通员工与管理人员提出同一问题时，返回范围是否符合各自权限。
• 用户离职、调岗或临时授权到期后，缓存、会话和查询服务是否同步失效。
• 数据库或 API 超时后，智能体是否明确提示数据未确认，而不是根据旧结果补写答案。
• 同一请求重复到达时，查询额度、导出任务或后续写入是否避免重复执行。
• 问题要求获取无关敏感字段或跨部门数据时，系统是否拒绝并保留审计事件。
• 切换只读模式或关闭工具后，知识库问答是否仍可用，业务数据查询是否停止。

如果现有系统没有统一身份、数据归属和字段口径，先不要让智能体直连生产库。可以先选一个只读、边界清楚的问题集，使用脱敏样本或受控副本完成验证，再决定是否接实时接口。聚匠科技可结合AI 智能体开发、软件与 AI 集成和企业现有系统，梳理工具目录、数据权限、异常处理与验收记录。

说明：本文为企业 AI 系统集成与权限设计参考；具体数据范围、部署方式和安全要求应结合企业制度、系统架构及适用合规要求评估。