本教程演示如何基于 C#、Entity Framework Core、OpenAI/DeepSeek 模型，以及 AI Function Calling 机制，构建一个支持人工审批的人机协同数据库助手。
核心思想是：低风险操作由 AI 自动执行，高风险操作必须经过人工确认。
在人机协同系统中，AI 不再是完全自主执行所有任务，而是按照风险等级分工：
- AI 负责理解自然语言
- AI 负责生成 SQL 和调用工具
- 人工负责审批高风险操作
- 系统负责流程衔接和状态恢复
这是一种非常适合企业场景的模式，尤其适用于：
- 数据库管理
- 财务审批
- 工单流转
- 运维执行
- 权限变更
- 合同审核
简单来说：
让 AI 提高效率，让人类保留最终控制权。
这个示例实现了一个 DBA Agent（数据库管理员助手），它可以把用户的自然语言需求转成 SQL Server 操作。
支持四类数据库工具：
- QueryData
- 执行
SELECT
- 只读查询
- 可直接执行，无需审批
- InsertData
- 执行
INSERT
- 新增数据
- 默认可直接执行
- UpdateData
- 执行
UPDATE
- 修改数据
- 属于高危操作，必须人工审批
- DeleteData
- 执行
DELETE
- 删除数据
- 属于高危操作，必须人工审批
这就是一个典型的人机协同设计：
- 读和新增：AI 自动处理
- 修改和删除：人类把关审批
整个交互流程可以理解为下面这样：
TEXT
用户输入自然语言 ↓AI Agent 理解意图 ↓判断要调用哪个数据库工具 ↓如果是 Query/Insert → 直接执行如果是 Update/Delete → 触发审批拦截 ↓人工在控制台输入 y / n ↓批准：继续执行拒绝：终止执行 ↓AI 汇总结果并返回给用户
这份代码最重要的不是“怎么连数据库”，而是怎么实现可控的人机协同机制。
核心有 4 个部分：
代码中先初始化依赖注入容器：
var builder = new ServiceCollection();builder.AddDbContext
(options => options.UseSqlServer("Server=DESKTOP-ABQMKQL;Database=testDB;Integrated Security=True;TrustServerCertificate=True;"));builder.AddTransient
();var services = builder.BuildServiceProvider();var sqlTools = services.GetRequiredService
();
这里做了两件事：
- 注册
MyAgentDbContext
- 注册数据库工具类
ToolsToSql
其中：
builder.AddTransient
();
表示每次获取工具类时都创建新实例，避免生命周期冲突。
接下来，把普通 C# 方法封装成 AI 工具：
var queryTool = AIFunctionFactory.Create(sqlTools.QueryData);var insertTool = AIFunctionFactory.Create(sqlTools.InsertData);var updateToolBase = AIFunctionFactory.Create(sqlTools.UpdateData);var deleteToolBase = AIFunctionFactory.Create(sqlTools.DeleteData);
这一步的意义是：
让大模型不仅能“聊天”，还能“调用函数”。
也就是说，大模型在理解用户说“帮我查一下用户表”之后，不只是生成文字回答，而是可以真正去调用 QueryData(sql)。
这是整个人机协同的关键：
var updateToolWithApproval = new ApprovalRequiredAIFunction(updateToolBase);var deleteToolWithApproval = new ApprovalRequiredAIFunction(deleteToolBase);var aiTools = new List
{ queryTool, insertTool, updateToolWithApproval, deleteToolWithApproval };
这里的设计非常重要：
QueryData 和 InsertData 直接暴露给 AIUpdateData 和 DeleteData 先用 ApprovalRequiredAIFunction 包装- 包装后，AI 调用这些工具时不会立刻执行
- 系统会先拦截，生成一个 审批请求
这就是“人机协同”的核心实现方式：
不是禁止 AI 做高风险操作，而是让 AI 发起申请，由人类决定是否放行。
系统提示词里明确约束了 Agent 的行为：
string instructionsSys = """你是一个专业、严谨且高效的智能数据库管理员 (DBA Agent)。...1. QueryData (SELECT)：用于查询和读取数据，属于安全操作，可直接调用。2. InsertData (INSERT)：用于新增记录，属于安全操作，可直接调用。3. UpdateData (UPDATE)：用于修改现有数据。这是【高危操作】，系统配置了拦截器，你调用此工具后系统会暂停并等待用户人工审批。4. DeleteData (DELETE)：用于删除现有数据。这是【高危操作】，系统配置了拦截器，你调用此工具后系统会暂停并等待用户人工审批。...1. 极度严谨 (防误操作)：在编写 UPDATE 或 DELETE 语句时，绝对禁止遗漏 WHERE 条件。2. 主动沟通：如果用户需求模糊，请先提问澄清。3. 审批感知：执行 UPDATE 或 DELETE 前提醒用户进行审批。4. 专业反馈：结果要用 Markdown 输出。5. T-SQL 规范：必须使用 SQL Server 语法。""";
这段提示词的作用不是“装饰”，而是让模型具备明确边界感：
- 知道有哪些工具
- 知道哪些操作是高危的
- 知道不能漏掉
WHERE
- 知道需求模糊时要先问
- 知道最后要格式化输出
在人机协同系统里，提示词就是 AI 的操作规程。
Agent 的创建代码如下：
var dbAgent = chatClient.AsAIAgent( instructions: instructionsSys, tools: [..aiTools], services: services);var session = await dbAgent.CreateSessionAsync();
这里完成了三件事：
- 把聊天模型变成 Agent
- 把工具列表交给 Agent
- 创建一个会话
session
这个 session 很重要，因为审批后要恢复上下文继续执行，必须依赖会话状态。
主循环中，用户输入自然语言：
var userInput = Console.ReadLine()?.Trim();if (string.IsNullOrEmpty(userInput)) continue;if (userInput.ToLower() is "exit" or "quit") break;
然后把输入交给 Agent：
var response = await dbAgent.RunAsync(userInput, session);
这一步之后，可能有两种情况：
比如：
- “查询所有用户”
- “新增一条员工记录”
那么 Agent 会直接执行工具并返回结果。
比如：
- “把张三的状态改成离职”
- “删除订单表里 ID=10 的数据”
那么 Agent 会触发审批请求，而不会立即执行。
代码会扫描返回消息中的审批内容：
var result = response.Messages .SelectMany(x => x.Contents) .OfType
() .ToList();
如果 result.Any() 为真，说明：
AI 发起了一个需要人工确认的高危操作。
这时系统会在控制台显示警告：
Console.WriteLine("
⚠️ [系统警告] 拦截到高危数据库操作，需要人工审批！”);
系统会逐个审批请求询问用户：
Console.Write(” ❓ 是否允许执行该操作？(y/n): “);var answer = Console.ReadLine()?.Trim().ToLower();bool isApproved = (answer == “y” || answer == “yes”);如果用户输入 y：
approvalResponses.Add(approvalReq.CreateResponse(true));如果用户输入 n：
approvalResponses.Add(approvalReq.CreateResponse(false));这一段的本质就是：
- AI 先申请
- 人工做决定
- 系统把决定反馈给 Agent
这正是标准的人机协同闭环。
审批只是中间一步，批准或拒绝后，还要把结果传回给 Agent，让它继续后续流程：
var chatMesg = new List
();foreach (var message in approvalResponses){ chatMesg.Add(new ChatMessage(ChatRole.User, [message]));}response = await dbAgent.RunAsync(chatMesg, session);
这里非常关键。
- 如果批准了，就执行 SQL
- 如果拒绝了，就告诉用户操作被取消
所以这一步可以理解为：
把人工决策重新送回 AI 工作流，恢复执行。
项目中用 ToolsToSql 封装了数据库操作。
[Description(“执行 SQL Server SELECT 查询操作，该操作仅读取数据，无需审批可直接执行”)]public string QueryData(string sql)它的特点：
- 只执行
SELECT - 读取结果集
- 把结果转成 JSON 返回
- 自动附带执行时间和状态
返回结果类似：
✅ 查询执行成功!操作类型: SELECT 查询SQL语句: SELECT * FROM Users返回数据: […]审批状态: 自动放行 (无需审批)执行时间: 2026-04-15 12:00:00[Description(“执行 SQL Server INSERT 插入操作，用于向数据库新增记录，通常无需审批可直接执行”)]public string InsertData(string sql)特点：
- 执行
INSERT - 返回影响行数
- 作为低风险操作自动放行
[Description(“执行 SQL Server UPDATE 更新操作，该操作会修改数据，必须经过审批才能真正执行”)]public string UpdateData(string sql)特点：
- 实际执行
UPDATE - 但它在进入执行前，已经被审批拦截器包裹
- 只有批准后才会真正运行
[Description(“执行 SQL Server DELETE 删除操作，该操作属于高危动作，必须经过严格审批才能真正执行”)]public string DeleteData(string sql)特点与 UpdateData 类似，但风险更高。
AI 负责处理复杂度，人类负责兜底风险。
在这份代码中：
- 理解自然语言
- 判断用户意图
- 生成 SQL
- 自动调用工具
- 整理执行结果
- 审批 UPDATE
- 审批 DELETE
- 拒绝危险操作
- 最终掌控执行权
- 工具注册
- 审批拦截
- 会话恢复
- 结果回传
这三者共同组成：
- AI 的智能
- 人的判断
- 系统的控制
这就是完整的人机协同。
用户输入：
查询 users 表中的所有数据可能流程：
- AI 判断这是查询操作
- 调用
QueryData - 直接返回结果
不需要人工审批。
用户输入：
往 users 表插入一条记录，姓名为张三，年龄 25可能流程：
- AI 生成
INSERT - 调用
InsertData - 自动执行
- 返回影响行数
通常也不需要审批。
用户输入：
把 users 表中 id=3 的用户名改成李四流程如下：
- AI 判断是
UPDATE - 触发审批拦截
- 控制台提示是否批准
- 人工输入
y - Agent 恢复执行
- 返回更新成功结果
用户输入：
删除 users 表中 id=8 的记录流程如下：
- AI 判断是
DELETE - 系统拦截
- 控制台审批
- 人工可输入
n - 操作被拒绝
- Agent 向用户说明删除未执行
高危操作不会被 AI 直接执行，避免误删、误改。
人类始终掌握最终决定权。
低风险操作自动化，高风险操作半自动化。
以后可以把审批范围扩展到：
- 导出敏感数据
- 调用外部接口
- 批量变更权限
- 执行运维脚本
这是比“纯自动 Agent”更容易被企业接受的一种方案。
如果你准备把这个方案真正用于生产环境，建议继续完善以下内容：
当前代码里有类似：
var chatClient = StaticGetIChatClient(“deepseek-chat”, “你的key”, “https://api.deepseek.com/v1”);实际项目中应改为：
- 环境变量
- 配置文件
- Secret Manager
- Key Vault
建议放在：
appsettings.json- 环境变量
- 配置中心
目前主要依赖模型提示词约束，但生产环境最好增加程序级校验，例如：
UPDATE必须包含WHEREDELETE必须包含WHERE- 禁止多语句执行
- 禁止执行 DDL
- 禁止危险关键字组合
建议记录：
- 谁发起的请求
- AI 生成了什么 SQL
- 谁审批通过/拒绝
- 最终执行结果
- 执行时间
现在是控制台输入 y/n，以后可以换成：
- Web 审批页
- 企业微信/钉钉审批
- Slack / Teams 消息确认
- 邮件审批链接
这份代码展示了一个非常实用的人机协同模式：
- 自然语言 → AI 理解
- AI → SQL 工具调用
- 高危操作 → 人工审批
- 审批结果 → 恢复执行
- 最终结果 → Markdown 输出
它不是让 AI 完全替代人，而是让 AI 成为一个有边界、有规则、可控的执行助手。
你可以把这个模式理解为一句话：
让 AI 负责“会不会做”，让人类决定“该不该做”。
这就是人机协同最有价值的地方。
如果你正在做 AI Agent、企业自动化、数据库 Copilot 或智能审批系统，这种“AI 自动执行 + 人工审批兜底”的方案非常值得采用。
它比纯人工更高效，比全自动更安全，尤其适合：
- 企业内部系统
- 数据敏感场景
- 有合规要求的业务流程
- 希望逐步引入 AI 的团队
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/266379.html