本地部署大模型和 text-to-SQL 是制造企业近期关注的方向。它可以帮助用户用自然语言查询生产、设备和质量数据，但工业场景不能把“模型生成了 SQL”直接等同于“可以执行任意 SQL”。
更适合从只读分析开始
第一阶段可以支持：生产进度、设备状态、质量统计、工单数量、异常趋势等只读问题。模型只访问经过授权的数据模型和字段描述，生成查询后经过 SQL 解析、租户过滤、权限校验和只读连接执行。
生产写入、设备控制、权限变更和删除操作不应由自然语言直接触发。需要执行动作时，应转成明确的业务意图，经过现有流程、角色和审批规则处理。
本地部署的价值
对保密客户，本地模型可以减少生产数据离开客户网络的风险。部署本地模型并不意味着可以省略权限和审计：模型请求、实际查询、返回字段和操作者仍需要记录，并遵循客户的数据留存策略。
与低代码平台结合的方式
元数据驱动的平台可以向模型提供业务对象、字段含义、关联关系和可用查询范围，而不是把整套数据库表结构不加筛选地暴露给模型。模型输出经过平台的安全策略和查询服务执行，前端只展示授权后的结果。
这种方式也便于后续替换模型：模型负责理解问题和生成候选查询，平台负责身份、权限、租户、审计和执行边界。
实施检查清单
- 模型是否部署在客户批准的网络边界内；
- 是否使用只读数据库账号和租户过滤；
- 是否限制可访问的业务对象与字段；
- 是否对生成 SQL 做解析和超时控制；
- 是否记录请求、查询和结果摘要；
- 是否明确模型不承担生产控制职责。
本地 AI 的价值在于让工业数据更容易被理解和使用，安全边界仍然由平台和业务系统负责。
相关入口：AI 原生低代码平台