# 私募市場數據平台：可驗證的自然語言搜尋 | Super Cat 香港

> 問「今年收到、位於西南區、LTV 低於 70% 的工業物業」，即可取得準確表格。模型負責理解，但從不自行撰寫 SQL。針對：過百個欄位只有分析師懂得查詢、業內術語不等於欄位名稱、Text-to-SQL 會虛構欄位。

Source: https://www.super-cat.tech/zh-hk/portfolio/nl-query-private-markets  
Last modified: 2026-10-22

[← 全部項目案例](https://www.super-cat.tech/zh-hk/portfolio)同一問題、同一 SQL、同一答案

# 私募市場數據平台：可驗證的自然語言搜尋

問「今年收到、位於西南區、LTV 低於 70% 的工業物業」，即可取得準確表格。模型負責理解，但從不自行撰寫 SQL。

## 問題

一個服務地產及私募信貸投資者的數據平台，把交易數據存放在一張過百欄位的大表內，只有分析師懂得查詢。交易團隊說的是「LTV」、「多戶住宅」、「西南區」，欄位卻不是這樣命名；一個會猜測甚至虛構欄位的 text-to-SQL，只會自信地給出錯誤結果。

## 方案

以 Chat 介面查詢數據庫，但 LLM 從不直接撰寫 SQL。模型把問題轉為結構化篩選條件，再由程式產生經驗證的唯讀 query。結果以表格呈現，並列明所套用的篩選條件。

痛點: 過百個欄位只有分析師懂得查詢; 業內術語不等於欄位名稱; Text-to-SQL 會虛構欄位. 成果: 同一問題、同一 SQL、同一答案.痛點

- 過百個欄位只有分析師懂得查詢

- 業內術語不等於欄位名稱

- Text-to-SQL 會虛構欄位

方案拆解

- 01 先為數據庫做 Profiling. 自動分析每個欄位的類型、空值、範圍與常見值，並以 SQL 核對，令 AI 依據事實而非猜測。

- 02 掌握業內術語. 為每個欄位自動撰寫描述與同義詞，「貸款額」、「LTV」都能準確對應。

- 03 先檢索，後生成. Entity index、vector search 與 fuzzy matching（「york」→ New York）並用，先釐清所需的表與欄位。

- 04 輸出 JSON 計劃而非 SQL. 模型輸出篩選計劃並按 schema 驗證；不存在的欄位一律拒絕，「價錢」等含糊字眼會先反問釐清。

- 05 由程式組成 SQL. 確定性 generator 產生 SQL、驗證並封鎖所有寫入操作，失敗最多重試兩次。

- 06 按環節選用模型. 逐個組件實測：描述撰寫保留大模型以確保質素；實體分組改用便宜約 90% 的模型，效果相若甚至更佳。

成果
同一問題、同一 SQL、同一答案

Tech Stack
NL2SQL AI Agent Real Estate Private Credit

## 可靠之處

確定性就是產品本身。同一條問題，永遠得出同一個計劃、同一句 SQL、同一批結果；每次查詢均有記錄；模型虛構的欄位根本無法觸及數據庫。投資委員會要信任一個 Chat 視窗，就需要這個標準。

相關服務: [聘請經審核的 AI 工程師](https://www.super-cat.tech/hire-vetted-ai-engineers)

## 更多項目案例

四大會計師行客戶 · 完全本地部署

### 四大會計師行：合規文庫 RAG Chatbot

數千頁合規文件可即時查詢，每個答案均附原文出處。

- 查一條問題要翻數千頁

- 資深同事須代為檢索資料

閱讀案例 → 每月 20 萬通來電 · 預約率 67%（真人 77%）

### 24/7 AI Call Centre：每月 20 萬通來電

為一間 5,000 人美國企業旗下 60 個 HVAC 品牌，每月處理 20 萬通來電。AI 預約率達 67%，真人團隊為 77%，差距僅 10 個百分點，且全天候運作。

- 夜間及週末無人接聽

- 每更增聘人手成本過高

閱讀案例 → 首三個月收回逾 100 萬美元

### AI 收款及付款提醒

AI 前台的姊妹產品：定時、有禮地追收款項，附付款連結，客戶一付款即自動停止。上線首三個月已為客戶收回逾 100 萬美元。

- 追收款項尷尬又易拖延

- 可計費時間被收款工作佔用

閱讀案例 →

## 希望了解類似方案？

[預約免費諮詢](https://calendly.com/super-chain/catyung)