1.Demo 简介
是什么：Cone 是一个面向企业的异构数据智能检索系统（Web 网站 + 后端服务）。它把企业里散落的 Excel、Word、PDF、CSV、TXT、Markdown 统一收纳进一个"知识图书馆"，用户用一句中文自然语言就能查到任何数据，系统自动决定走 LLM Wiki 直接回答、还是生成 SQL 交给 DuckDB 执行、还是走向量检索，全程零门槛、零幻觉、可溯源。
面向谁：任何不会写 SQL / 不会用 BI 工具的企业员工——HR 查人员分布、销售对区域业绩、运营查供应商合作年限、新员工查员工手册。核心场景是企业内部"找数据难、算数据更难、留痕追溯最难"的三难痛点。
主要功能：
-
自然语言智能查询（NLQ）：用户问"华东区去年销售额比前年增长多少？"，系统自动识别为计算类问题→走 RAG 路径生成 SQL→DuckDB 执行→返回结构化答案；问"员工手册关于保密制度怎么规定？"则走 Wiki 路径，把全量文档注入 LLM 上下文直接回答。支持事实查询、计算对比、趋势分析、多表多跳、文档问答、跨表比较 6 类意图。
-
多格式统一解析与资产化：上传一份多 Sheet 的 Excel，自动拆 Sheet、推断表结构、生成语义摘要、建立可查询资产；Word/PDF 同步转 Markdown 入库。每个资产都有独立的元数据、哈希指纹和生命周期管理。
-
企业级审计链 + 灾备：所有敏感操作（上传/编辑/删除/跨部门查询）写入按企业隔离的哈希链式存证，支持 Merkle 校验和一键完整性核验；灾备中心支持企业级快照、SHA-256 校验、一键恢复。
登录页面主页
部门书架和上传上传，查询，检索
文件阅览
文件检索
审计溯源
用户管理
容灾备份
2. Demo 创作思路
-
灵感来源：在真实企业里观察到一个普遍现象——数据明明就存在 Excel 里，但"找一个数字"的成本高得离谱：要么求会 SQL 的同事帮忙拉数，要么自己在几十个 Sheet 间肉眼搜索，要么靠记忆拍脑袋。而市面上的 BI 工具门槛高、通用 ChatGPT 又算不准数（LLM 算术幻觉是人尽皆知的顽疾）。我意识到这是一个"工具错配"的真空地带：用户要的不是更强的 BI，而是能听懂中文、算得准、还留得了痕的"企业数据图书馆"。
想解决的问题：
-
找数据慢：不会 SQL 的员工查一个数字要等几小时甚至几天。Cone 让他们用一句话秒级拿到结果。
-
AI 算不准数：通用大模型直接算"华东比华北高多少"经常出错。Cone 的架构红线是**“计算完全下沉”**——LLM 只做翻译和推理，所有加减乘除交给 DuckDB 列式数据库执行，从根上消除算术幻觉。
-
知识沉淀难：Excel/Word/PDF 散落各处，新员工找不到员工手册、销售找不到历史报价单。Cone 统一入库、智能摘要、可检索可追溯。
-
审计追溯难：谁改了哪个单元格？谁查过敏感数据？传统日志可被篡改。Cone 用区块链式哈希链存证，不可篡改、可一键校验。
为什么做这个方向：有三个判断让我坚定这个取舍——
-
LLM 擅长语义理解、不擅长算术：与其硬逼 LLM 算对数字（注定会幻觉），不如让 LLM 做"翻译官"（中文→SQL），把计算交给确定性引擎。这是架构层面的根本性差异。
-
企业数据是结构化为主、非结构化为辅：纯 RAG 方案只能做文档问答，碰见"求和、比较、趋势"就无能为力。Cone 把 SQL 执行作为一等公民，RAG 作为兜底，双轨并行才能覆盖企业真实场景。
-
企业级 ≠ 个人玩具：单机 demo 容易，但企业需要多租户隔离、权限分级、审计存证、灾备恢复。这些"重活"才是产品能落地的护城河，所以 Cone 从第一天就把审计链、企业隔离、灾备写进了核心架构。
技术实现要点核心架构：LLM Wiki + RAG 双路径
系统默认
engine_mode='auto'，根据问题类型自动路由到最优路径：-
Wiki 主路径（约 85% 查询）：将全量数据序列化为 Markdown 表格注入 LLM 上下文（容量上限 20000 行），让 LLM 直接"看全表回答"，绕过 SQL 生成与向量检索。配套三层防幻觉机制：
-
预计算 SUM 锚点：导入时对每张表数值列预计算总和，注入 prompt 让 LLM"只读不算"，避免大数加法出错
-
大表统计自动生成：单表超过 500 行时自动生成 COUNT/AVG/MAX/MIN 统计摘要，确保 LLM 能访问到准确聚合数据
-
答案后验 SQL 重校验：LLM 回答后，对 AVG/SUM/MAX/MIN 类问题用 SQL 执行相同计算做交叉验证，不一致则触发重答
-
-
RAG 路径（约 15% 查询，计算类专用）：对"X 比 Y 高多少"“环比增长”"占比是多少"等计算类问题，优先走 Text-to-SQL + DuckDB 执行，Wiki 作为失败兜底。包含报错自愈（Binder Error 时 LLM 修正 SQL 重试）
-
多层零 LLM Pre-Intent 快速路径：对高频确定性查询（字段存在性、供应商合作年份、占比比例、地区+业绩+实体、单实体点查）在意图分类前用正则直接走 SQL，零 LLM 调用、毫秒级响应，省下 5-8 秒延迟
-
向量检索兜底：默认 TF-IDF（零外部依赖），可配置切换至 BGE + BM25 + RRF + Cross-Encoder 混合检索，单机即可跑
数据安全三件套：
-
审计链：按企业隔离分链 + Merkle Tree 哈希归约 + 创世区块 + 逐块 prev_hash 链式结构，支持一键完整性校验
-
灾备：企业级快照 + SHA-256 哈希清单 + 一键恢复，关键操作全部写入审计链
-
SQL 注入纵深防御：注释剥离（防
DRO/**/P绕过）+ 危险词黑名单 + 前缀白名单（仅允许 SELECT/WITH）+ 分号堆叠检测
技术栈：FastAPI + DuckDB（列式分析库）+ GLM-4-flash（LLM）+ 原生 HTML/CSS/JS 前端（零依赖）+ PyJWT 认证 + httpx + Loguru + Dockerfile 容器化部署。设计语言采用"新闻纸"风格（油墨黑 + 米白底 + 微软雅黑），呼应"图书馆"的隐喻。
-
-
3. Demo 体验地址（三选一）
- 体验链接：https://c1token.top/
4. TRAE 实践过程
-
- 逻辑改动验证和压力测试488115048929353:5725a76782779b4e4ae76e46d23a3f0a_6a4318c6c4c2b3b5e3981804.6a432274c4c2b3b5e39819fe.6a432274c4c2b3b5e39819fc:TRAE Work CN.0.1.23.no_sid.no_ppe.T(2026/6/30 09:57:08)
1488115048929353:3856c05592ba44b097220934e06bfbb8_6a4318c6c4c2b3b5e3981804.6a432c5cc4c2b3b5e3981b42.6a432c5cc4c2b3b5e3981b40:TRAE Work CN.0.1.23.no_sid.no_ppe.T(2026/6/30 10:39:24)
1488115048929353:39afe68c539d3b9df9e0f5f111bd4129_6a4318c6c4c2b3b5e3981804.6a433161c4c2b3b5e3981b80.6a433161c4c2b3b5e3981b7e:TRAE Work CN.0.1.23.no_sid.no_ppe.T(2026/6/30 11:00:49)
- 代码分块便于维护和项目审计1488115048929353:ba0532c37b5f57884560d7a797ceb14d_6a435fc1c4c2b3b5e3981e04.6a43674ac4c2b3b5e3981fd4.6a43674ac4c2b3b5e3981fd2:TRAE Work CN.0.1.23.no_sid.no_ppe.T(2026/6/30 14:50:50)
1488115048929353:617caf86d32eddd6919b840a224bf6f1_6a435fc1c4c2b3b5e3981e04.6a437945c4c2b3b5e3982446.6a437945c4c2b3b5e3982444:TRAE Work CN.0.1.23.no_sid.no_ppe.T(2026/6/30 16:07:33)
架构
1488115048929353:b530e30d5f534c4a576555d9c5dfd664_6a33f407d30ccd787fbed0bc.6a33f407d30ccd787fbed0bf.6a33f407d30ccd787fbed0bd:TRAE Work CN.0.1.23.no_sid.no_ppe.T(2026/6/18 21:35:03)|
概览
1488115048929353:9aa483255d59985088307c737d6da101_6a33f407d30ccd787fbed0bc.6a395e2cb12abbfe7ea50d8b.6a395e2cb12abbfe7ea50d89:TRAE Work CN.0.1.23.no_sid.no_ppe.T(2026/6/23 00:09:16)
ui
1488115048929353:07edbc25fd5316ec76c22239813329ed_6a3a841fe592291f46bb3d34.6a3aa41de592291f46bb42f5.6a3aa41de592291f46bb42f3:TRAE Work CN.0.1.23.no_sid.no_ppe.T(2026/6/23 23:19:57)
架构总结
1488115048929353:b0d1dd4abd874100c765b4485ff14804_6a4514128aba7be97e2fe0c7.6a4514138aba7be97e2fe0ca.6a4514128aba7be97e2fe0c8:TRAE Work CN.0.1.23.no_sid.no_ppe.T(2026/7/1 21:20:19)依旧是项目审计
1488115048929353:99d2e570564ea203027f1ecf9585a55f_6a437e84c4c2b3b5e398270f.6a437e84c4c2b3b5e3982712.6a437e84c4c2b3b5e3982710:TRAE Work CN.0.1.23.no_sid.no_ppe.T(2026/6/30 16:29:56)
架构转向
1488115048929353:a4ee623d8f83bda9ea32fa901d4a7701_6a4f58fdbb21ec4be810b6f4.6a5483936a2a9149eb034dff.6a5483936a2a9149eb034dfd:TRAE Work CN.0.1.32.no_sid.no_ppe.T(2026/7/13 14:20:03)
关键优化
1488115048929353:076d35b9832ff52dfcf56506973f3fc1_6a4f58fdbb21ec4be810b6f4.6a54a1c86a2a9149eb03543e.6a54a1c86a2a9149eb03543c:TRAE Work CN.0.1.32.no_sid.no_ppe.T(2026/7/13 16:28:56)代码分模块
技术规范
溯源透明
架构转向 -
关键优化
5. 对应的报名审核通过的帖子链接
[学习工作赛道]Cone-企业数据智能大脑 - TRAE AI 创造力大赛 / 【大赛报名专区】 - TRAE 官方中文社区