perf_test

BI Recall Eval Script

用于评估“根据用户问题召回仪表板/数据集”的三路召回表现。

输入

1. id_map.parquet

必需字段：

• card_id
• card_name
• dashboard_id
• dashboard_name
• dataset_id
• dataset_name
• branch_code

1. questions.txt

推荐格式每行一条：

123456\t本月深圳分行存款趋势
234567\t零售客户AUM周报看板

脚本也兼容 card_id,question、card_id|question 和 card_id question。

召回逻辑

1. 第一路：从全量仪表板中随机采样 500 个，以 80% 概率强制放入正确卡片所在仪表板。
2. 第二路：调用召回接口，recall_type=dashboard。
3. 第三路：调用召回接口，recall_type=dataset。

命中规则：

• 第一路、第二路：只要召回到正确卡片关联的任一 dashboard_id 即视为命中。
• 第三路：只要召回到正确卡片关联的任一 dataset_id 即视为命中。
• 总召回：三路结果取并集后，只要任一路命中即视为命中。

安装依赖

python3 -m pip install -r requirements.txt

运行

python3 recall_eval.py \
  --questions-txt ./questions.txt \
  --id-map-parquet ./id_map.parquet \
  --api-url http://your-recall-api/recall \
  --output-dir ./output

输出

• output/recall_summary.json：汇总指标
• output/recall_details.csv：逐题明细，包含第二路/第三路召回结果和错误信息

接口约定

脚本默认使用 POST JSON：

{
  "question": "本月深圳分行存款趋势",
  "recall_type": "dashboard"
}

返回支持以下常见结构之一：

• 顶层数组
• {"data": [...]}
• {"items": [...]}
• {"results": [...]}

每条记录至少包含一个可识别的 ID 字段，例如：

• dashboard_id
• dataset_id
• id

NL2SQL 批量测试

新增脚本 nl2sql_batch_test.py，用于批量执行：

1. 读取测试 JSON
2. 调用 SQL 生成流式接口，解析 5 个候选答案的 card_id 和 sql
3. 逐条调用 SQL 查询接口
4. 将查询结果与标准答案比对
5. 输出成功数、成功率和逐题生成结果文件

运行前需要先修改脚本顶部常量：

• BASE_URL
• QUERY_SQL_URL
• USER_TOKEN

运行命令：

python3 nl2sql_batch_test.py \
  --input-json ./sql_generate_testcase.json \
  --output-dir ./output

输出文件：

• output/nl2sql_batch_summary.json
• output/nl2sql_generated_answers.json