跳到主要内容

JitORM 演进：为 AI 原生时代设计的 ORM 框架

· 阅读需 8 分钟

引言​

在构建 AI 原生应用（AI-Native Applications）的竞赛中，开发者往往会在“数据层”遭遇碰壁。虽然大语言模型（LLM）擅长处理非结构化文本，但在与严谨、结构化的企业关系型数据库交互时，却难以做到稳定可靠。传统的“Text-to-SQL”方案容易产生幻觉（Hallucinations），经常编造不存在的表或误解复杂的 Schema。

JitORM 应运而生。这是一款为 AI Agent（智能体） 时代重新设计的数据持久化框架。传统的 ORM 主要服务于编写静态代码的人类开发者，而 JitORM 旨在以 AI 能够理解、推理和安全查询的格式，暴露业务逻辑与数据结构。

本文将探讨 JitORM 如何超越标准的 CRUD（增删改查），引入聚合表模型（Aggregated Table Model）和扩展表模型（Extended Table Model），以及其专有的**表查询语言 TQL（Table Query Language）**如何为 AI 驱动的数据分析提供确定性接口。

AI 与数据的鸿沟​

传统的应用架构将数据的“含义”隐藏在复杂的代码库（Service 层、DTO）中。当一个 AI Agent 试图回答“每月订单金额的趋势是什么？”这类问题时，往往缺乏上下文，不知道需要连接哪些表，或者如何正确计算“金额”。

  • 幻觉风险：让 LLM 直接编写原始 SQL，经常导致语法错误或对不存在的列进行查询。
  • 上下文窗口限制：将整个数据库 Schema 投喂给 LLM 会消耗大量 Token，并导致模型混淆。
  • 安全真空：直接生成 SQL 会带来注入攻击和越权访问数据的风险。

JitORM 通过将**应用结构提升为一等公民（Structure as a First-Class Citizen）**来解决这些问题，使元数据显式化，并可被 AI 运行时环境访问。

高级建模：预计算的“思维”​

JitORM 引入了特殊的模型类型来封装复杂的数据关系，实际上是为 AI 提供了一个“简化的业务视图”。

1. 聚合表模型（分析师）​

**聚合表模型（Aggregated Table Model）**充当为复杂分析设计的虚拟表。它们不直接对应数据库中的单个物理表，而是定义了从多个来源获取和计算数据的规则。

  • 多表横向连接：类似于 SQL 的 JOIN，此功能将分散的信息（例如将订单与客户、产品连接）合并为统一的行结构。
  • 分组聚合统计：类似于 GROUP BY，允许开发者预定义 SUM（求和）、AVG（平均）、MAX（最大值）或 COUNT（计数）等计算逻辑。

对 AI 的价值：无需让 AI Agent 构建复杂的 10 表连接查询，你只需暴露一个名为 MonthlySalesStats 的聚合模型。AI 只需查询这一张“虚拟”表，从而显著降低认知负载和错误率。

2. 扩展表模型（上下文构建者）​

业务需求的发展速度往往快于数据库 Schema 的变更。**扩展表模型（Extension Table Model）**允许开发者在不修改底层数据库结构的情况下，向现有的“基准表（Base Table）”追加新维度。

  • 动态关联：你可以将“员工表”（基准表）与“销售记录表”关联，添加一个虚拟字段“年度销售额”。
  • 基准过滤：配置条件，使扩展仅应用于相关子集（例如仅针对“在职”员工）。

对 AI 的价值：它允许 AI 看到实体的全方位“360 度视图”（例如，包含计算出的生命周期价值的客户视图），而无需开发者创建庞大且冗余的宽表。

TQL：AI 数据交互的语言​

JitORM 最关键的创新可能就是 TQL（Table Query Language）。TQL 是一种领域特定语言（DSL），相比原始 SQL，它对 AI Agent 来说更安全、表达能力更强。

架构概览​

Loading...

TQL 与 Q 表达式​

TQL 利用 **Q 表达式（Q Expressions）**进行过滤，抽象了 SQL WHERE 子句的语法复杂性。

  • 确定性：TQL 查询是结构化的，减少了导致 SQL 错误的歧义。
  • 安全性：底层引擎自动处理清洗和权限检查（RBAC）。
  • 逻辑性：支持 like（包含）、in（列表成员）、范围检查等操作符。

TQL 概念示例：

Agent 不会生成 SELECT * FROM orders WHERE amount > 1000，而是生成一个 TQL payload，系统将其解释为 previewTData(tStr="...", limit=50)。tStr 支持 Python 风格的多行格式，便于 LLM 生成结构化查询。

实施手册：构建销售分析 Agent​

以下是开发者如何利用 JitORM 构建能够分析销售数据的 AI Agent 的步骤。

步骤 1：定义基准模型​

为核心实体创建标准数据模型（Data Models）：客户（Customer）、订单（Order）、产品（Product）。使用 JitAI 严格的数据类型（如 Money, Stext）定义字段。

步骤 2：创建聚合模型​

构建一个 SalesAnalysis（销售分析）模型。

  • 配置连接：将订单与订单详情及产品连接。
  • 定义聚合：创建一个 TotalRevenue 字段，对 Order.amount 求和。
  • 设置权限：确保只有“经理”角色可以访问此模型。

步骤 3：启用 AI 访问​

在 AI Agent 配置中：

  • 将 SalesAnalysis 添加到 Agent 的“工具（Tools）”列表中。
  • JitORM 的“自描述（Self-describing）”特性意味着 Agent 会自动摄取模型的 Schema（字段、类型、描述）。

步骤 4：运行 Agent​

当用户问：“展示上个月收入最高的产品”时，Agent 会：

  1. 识别 SalesAnalysis 是正确的工具。
  2. 生成使用 Q 表达式 的 TQL 查询来按日期过滤（上个月）。
  3. 调用 previewTData 获取结果。
  4. 将结构化数据返回给 UI 进行渲染（例如生成图表）。

对比：SQL vs 传统 ORM vs JitORM​

特性原始 SQL (Text-to-SQL)传统 ORM (Hibernate/EF)JitORM (AI 原生)
接口基于字符串基于代码 (Classes)基于元数据 (自描述)
AI 安全性低 (注入风险)不适用 (需编译)高 (沙箱执行)
复杂连接易产生幻觉难以动态表达通过聚合模型定义
上下文缺失 (隐式)埋藏在代码中显式 (Agent 可见)
执行直接撞击数据库编译后的二进制解释型运行时

JitAI 如何实现这一点​

JitAI 是驱动 JitORM 的平台。它运行在 JAAP (JitAi Ai Application Protocol) 之上，该协议确保每个应用元素——从页面到数据模型——在结构上对 AI 都是可见的。

在 JitAI 中，AI Agent 不是一个试图猜测数据库 Schema 的外部机器人；它是运行时环境中的原生参与者。

  • 统一上下文：AI 与人类开发者使用的是同一套 Type / Instance 结构模型。
  • 零幻觉结构：因为 Agent 查询的是聚合模型的定义（e.json），它无法查询不存在的字段。
  • 可视化编排：开发者可以可视化地构建这些复杂的数据关系，而无需编写数千行连接逻辑，从而加速 AI 就绪数据层的搭建。

如何验证 / 复现​

要验证本文描述的 JitORM 能力：

  1. 安装 JitNode：下载 JitAI 运行时的桌面版。
  2. 访问开发者门户：打开 IDE 并导航至“数据模型（Data Models）”。
  3. 检查“聚合表”：尝试创建一个新模型并选择“聚合表模型（Aggregated Table Model）”，查看可视化的连接和分组配置界面。
  4. 检查 TQL：在服务函数（Service Function）中，使用 previewTData 方法，观察它如何接受 TQL 字符串来查询你的新模型。

常见问题 (FAQ)​

Q: JitORM 可以连接我现有的数据库吗？

A: 可以。JitORM 支持从现有数据库表生成数据表模型（逆向工程）。它原生支持 MySQL, PostgreSQL, Oracle, SQL Server 和 DM (达梦)。

Q: TQL 会完全取代 SQL 吗？

A: 不会。TQL 用于应用层和 AI 交互。JitORM 会将 TQL 转换为优化的 SQL 以供底层数据库执行。

Q: JitORM 仅支持 Python 吗？

A: JitORM 在 JitAI 中的逻辑层通常使用 Python 编写后端服务函数，但框架本身的定义（基于 JSON 的元数据）是语言无关的。

Q: 我可以在不修改 Schema 的情况下对遗留数据库使用扩展模型吗？

A: 可以。扩展模型充当逻辑覆盖层。它们不需要对物理数据库执行 ALTER TABLE 命令，因此对于遗留系统集成是安全的。

结论​

从“软件（Software）”到“智件（Smartware）”的演进，要求我们从根本上重新思考架构数据访问的方式。JitORM 为 AI Agent 成为可靠、安全且具备上下文感知的企业员工提供了必要的结构化脚手架。通过将复杂性转移到聚合模型和扩展模型中并利用 TQL，开发者终于可以停止与幻觉作斗争，转而开始交付价值。

准备好构建你的第一个 AI 原生数据层了吗？

下载 JitAi 桌面版 | 查看教程 开始使用。