OmniTQA：结构化与非结构化数据混合查询的成本感知处理框架

OmniTQA针对企业混合数据（结构化字段与非结构化文本共存）查询的现实痛点，将语义推理提升为一等查询操作符，通过双引擎架构动态路由任务，结合数据感知规划和算子感知批处理，在复杂查询、大规模表格等场景下实现准确率与成本效率的双重提升。

企业数据库中结构化字段（如客户ID、订单金额）与非结构化文本（如产品描述、客服记录）常共存，传统Text-to-SQL和表格问答系统难以处理跨模态推理需求。例如用户询问"过去三个月中，描述里提到'环保材料'且退货率低于5%的产品"时，现有方法无法有效整合结构化条件与非结构化文本理解。

OmniTQA的突破性在于将语义推理作为"一等查询操作符"，与经典关系操作符（选择、投影等）平起平坐，共同构成可执行的DAG。此设计让查询优化器能全局优化执行计划，并为混合查询提供统一语义基础。

语义与关系操作符融合

LLM语义操作被封装为标准查询操作符，输出符合关系代数规范的数据结构，可与关系操作符自由组合。

数据感知规划

通过原子查询分解和操作符重排序，最小化LLM处理负载，智能分流结构化与语义任务。

双引擎执行

关系数据库引擎处理结构化操作，LLM模块负责语义推理，动态路由任务；算子感知批处理合并相似LLM请求提升吞吐。

OmniTQA在多样化基准测试中显著优于现有符号、语义及混合基线，尤其在复杂查询、大规模表格、多关系模式场景优势突出。同时通过减少LLM调用和批处理优化，在保证准确率的前提下大幅降低处理成本。

OmniTQA解决客户关系管理、电商搜索等场景的混合查询痛点（如电商中"评价提'性价比高'且价格500-1000元的手机"查询）。它代表数据库与LLM融合的重要方向，渐进式演进路径利于企业技术升级。

未来OmniTQA可支持更多非结构化数据类型（图像、音频），提升语义操作符推理能力，探索更激进的查询优化策略。此类成本感知框架将成为企业处理大规模混合数据智能查询的关键。