文章目录为什么说这是一个"教科书级"的 Agent 编排实现一、图的装配：`DataAgentConfiguration.nl2sqlGraph()`二、节点精读：一个节点长什么样？2.1 节点的统一骨架（以 `IntentRecognitionNode` 为例）2.2 意图识别节点的"分流"逻辑2.3 证据召回（EvidenceRecallNode）：RAG 的第一跳2.4 查询改写（QueryEnhanceNode）：用上下文补全指代2.5 Schema 召回（SchemaRecallNode）：只给 LLM 需要的表2.6 表关系推断（TableRelationNode）+ 逻辑外键2.7 可行性评估（FeasibilityAssessmentNode）：第二道闸门2.8 PlannerNode：计划生成与防注入提示词2.9 PlanExecutorNode：计划校验与分步调度2.10 SQL 三兄弟：SqlGenerate → SemanticConsistency → SqlExecute2.11 Python 三兄弟：Generate → Execute → Analyze2.12 ReportGeneratorNode：结构化报告收尾三、流式与多轮：GraphServiceImpl 的工程细节3.1 SSE 流式处理3.2 停止与清理：一个容易被忽略的内存泄漏防线四、16 节点速查表（收藏版）五、FAQ（第二篇）为什么说这是一个"教科书级"的 Agent 编排实现很多 NL2SQL 项目是"一次 Prompt 搞定"，而 DataAgent 把整个分析任务拆成了意图识别、证据召回、查询改写、Schema 召回、表关系推断、可行性评估、规划、分步执行、语义校验、报告生成等 16 个独立节点，每个节点都是实现了 Spring AI Alibaba GraphNodeAction接口的 Spring Bean，节点之间通过OverAllState共享状态，通过条件边 Dispatcher实现路由与重试。这种设计带来的好处：每个节点单一职责，出错时可定位、可重试、可单独测试（仓库中每个节点都有对应*Test.java）；重试回路图原生化，SQL 执行失败自动回到生成节点重试，最多max-sql-retry-count（默认 10）次；人工介入原生支持：interruptBefore(HUMAN_FEEDBACK_NODE)+ Checkpoint 实现"计划审核后从断点恢复执行"；LLM 调用全部流式：每个节点通过FluxUtil.createStreamingGenerator把 LLM 流式输出逐 toke
