企业用 AI 查询自有数据库时，应把自然语言理解与数据库操作拆成两个受控层。AI 平台负责识别意图、编排流程和整理结果；集成网关与企业系统负责凭据、权限、查询范围和数据操作。这样的边界让团队可以逐项验证数据流、权限和审计记录。

1. 先定义可查询的业务范围

数据库问答适合固定数据范围、稳定权限和可复核结果的查询场景，例如经营指标查询、库存状态查询和内部知识检索。启动前请形成一份范围清单，至少写明：

范围清单是后续接口规则和验收样本的共同依据。模糊的范围会把权限判断交给模型，增加越权和数据泄露风险。

2. 建立清晰的分工边界

层级	允许承担的职责	验收标准
AI 平台	识别用户意图、补充必要参数、编排工作流、整理结果	只发送受控意图或参数，不保存数据库账号，不直接连接数据库
集成网关	保存凭据、校验请求、限制出口、记录审计日志	所有数据库请求经过网关，越界请求被拒绝并留下可追溯记录
企业数据库与业务系统	执行确定性查询、权限校验和必要的数据写入	仅执行批准范围内的操作，返回字段和权限符合业务规则
业务与安全团队	定义范围、复核结果、处理异常和定期审计	责任人、复核频率和异常升级路径均有书面记录

AI 平台的输出可以帮助人完成查询，数据库的最终权限仍由企业系统控制。需要写入数据时，应使用独立接口、最小字段和额外审批，把写入能力从默认查询链路中分离出来。

数据库账号、短期令牌和连接配置放在企业控制的网关或密钥系统中。AI 平台只接收完成请求所需的短期、最小范围授权信息，平台配置、日志和提示词中均不得出现数据库密码或长期密钥。网络策略应只允许 AI 平台访问指定网关，并记录异常出口请求。

把允许的表、字段、过滤条件、分页上限和时间范围写入网关规则。网关对每个请求进行结构化校验，拒绝未知字段、危险操作和超出范围的时间段。提示词可以帮助模型理解业务规则，接口规则承担最终边界。

网关在执行请求前验证用户身份、角色和数据权限。拒绝结果应包含请求标识、用户标识、规则命中原因和时间戳，供安全团队复核。成功查询也要记录最小必要的审计字段，避免把完整敏感结果复制到不必要的日志系统。

按照以下顺序进行小范围验收，所有样本都使用企业批准的脱敏数据：

验收报告应记录样本、配置版本、请求标识、预期结果、实际结果和遗留风险。结果准确度、响应速度和审计完整性需要分别衡量，单项通过不能代表整条链路适合生产。

平台配置中出现长期凭据会扩大泄露影响面。把凭据集中到网关，使用短期授权和最小权限，并在轮换后重新验证所有连接。

模型可能生成超出业务范围的字段或条件。把范围固化在接口规则中，对越界请求做拒绝测试，并持续审计规则命中情况。

自然语言解释可能遗漏条件或误读字段。对财务、权限和运营决策设置人工复核节点，同时保留原始查询、结构化结果和复核结论。