选择分析策略 — AVA 文档

AVA 可以用直接查询或多步推理循环回答问题。下面的示例假定 ava 已经加载数据源，配置方式见分析数据。

选择策略

可以为每次 analyze() 调用选择策略：

策略	执行方式	适用情况
`direct`	生成查询、执行，再按需总结。执行失败时可以修正查询并重试。	问题明确时，从这里开始。
`loop`	多步探索、推理和查询后再返回答案。	需要中间探索才能回答的问题。

所有策略选项都放在 config.strategy 中：

字段	类型	必填	默认值与行为
`type`	`'direct'` 或 `'loop'`	提供 `strategy` 时必填	选择策略。
`maxRetries`	`number`	否，仅 `direct`	显式指定 `type: 'direct'` 时，首次尝试后默认最多修正重试 `2` 次。
`maxSteps`	`number`	否，仅 `loop`	默认允许 `12` 个常规推理步骤。

结合问题和数据上下文生成查询，执行后按需总结返回数据。只有 执行失败 才会进入修正循环。

const result = await ava.analyze('What is total revenue by region?', {
  strategy: { type: 'direct', maxRetries: 2 },
});

这份配置允许首次执行失败后再修正两次。当前实现中，如果完全省略 strategy，默认直接分析路径允许 10 次修正重试。建议显式设置以控制预算。模型 API 的重试单独由 llm.maxRetries 控制，默认为 3。

查询生成和总结阶段的错误直接向调用方抛出，不会重新进入执行修正循环。includeSummary: false 时，返回结果的 text 为空字符串。

每一步，模型根据问题、数据上下文与累计历史选择一个动作。探索并非必经步骤；信息足够时，可以直接生成用于回答问题的查询。

即使引擎执行的不是 SQL，动作标签仍叫 SQL。这些动作由模型选择，不是固定的四步流水线。

const result = await ava.analyze('Compare regional revenue and explain the differences', {
  strategy: { type: 'loop', maxSteps: 6 },
});

maxSteps 只限制常规推理步骤。达到上限时，如果已有成功答案，AVA 直接返回，不再强制执行一次 CONFIRM；若没有成功结果，则结合完整历史， 额外尝试一次查询生成与执行 。这次最终尝试成功后直接返回，失败则抛错。

常规循环中的执行错误会成为下一步的反馈；模型调用失败或动作响应无效则会终止分析。模型 API 的重试仍遵循 llm.maxRetries，因此 maxSteps 不是模型调用总次数的严格上限。

常规 CONFIRM 路径下，text 包含验证说明与结论。达到步数上限或完成最终尝试时，优先使用之前的确认内容；没有则将结果数据序列化为 JSON。includeSummary: false 时 text 始终为空；Loop 不会额外调用独立的总结步骤。