auto ontology 查询数据时，先让语义编译就绪，再到 chat 输入带有商品、地区和时间的具体问题。拿到答案后，展开 sql 检查统计口径，必要时回到数据库复核。
在 Chat 里查询某款商品的月营收
打开已经导入Wide World Importers数据集的实例，确认语义编译全部完成，进入对话界面，输入官方快速入门里的营收查询问题。问题里要包含完整商品名、所属州、对应月份三个要素，后续生成的SQL里每一项都能逐一核对。
What was revenue for the USB food flash drive - sushi roll in Pennsylvania in June 2015?
官方快速入门给出的示例结果是 588.80 美元，对应 3 条发票明细记录，对话功能会同步返回生成的 SQL 语句和结果视图。
换成不同商品营收、客户数对比类的问题，系统也会同时返回SQL和图表两种结果。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
怎么核对生成的 SQL？
先检查 SUM(il.extendedprice) 调用的字段是否正确，再核对筛选条件里的商品、所属州有没有准确匹配。时间筛选这里用的是包含 6 月 1 日、排除 7 月 1 日的半开区间逻辑，官方例题对应的完整 SQL 如下。
下面列出官方示例 SQL 的筛选条件。复核时，从 Chat 展开并复制完整 SQL。
check_answerable
