企业官网建设流程全解析

AI 可视化问答慢在哪：把查询、模型和渲染分开计时

自然语言问数看起来是一条请求，实际经过意图解析、指标查询、结果解释和图表渲染。只报一个总耗时，很难判断钱花在哪、等待又发生在哪。

先拆账

为每次任务记录脱敏后的查询标识、指标版本和各阶段耗时。模型侧统计输入、输出与缓存 Token；数据侧记录扫描范围和返回行数；前端记录首个可见结果与完整图表完成时间。成本按供应商账单口径计算，不用一个未经来源支持的“平均单价”代替。

再判断哪里值得优化

SQL 扫描占比高，先收紧字段、分区与聚合；模型等待长，检查上下文是否重复、是否需要流式展示；渲染慢则看数据点数量、布局和重复更新。一次只改一段，并用同一批查询核对图表与文字结论没有变化。

最终看的是用户能否在预算内得到可核对的答案。模型生成的解释必须带指标口径和数据时间，不能因为展示更快就跳过数据权限与结果校验。