智能体合并两张表怎么避免行数膨胀？检查连接键与未匹配记录

“把订单表和客户表合并”听起来是一步操作，却可能因为客户表一人多行，让同一订单重复出现。智能体执行合并前，应先说明两张表各自一行代表什么，并把预计的连接关系写进程序。

先声明连接键的粒度

本例订单表是一单一行，可以有同一客户的多笔订单；客户表应是一客户一行。因此连接关系是 many_to_one。如果客户表中 c2 有两行，即使内容暂时相同，直接左连接也会让订单 o2 变两行，汇总金额可能被重复计算。

例子里的客户重复记录完全一样，假定人工核查后可以删掉一行；真实系统若两行会员等级不同，必须回到来源确定版本或生效时间，不能随便保留第一条。

让程序挡住错误合并

安装 pandas，复制代码存为 join_tables.py 并运行。教学里的 tool_request 是智能体应提交给受限合并工具的输入，指定左右表、键和预期关系；示例没有调用真实 LLM。工具先用 duplicated 列出右表重复键；merge(validate='many_to_one') 在粒度不符时抛出异常。完成核实后再合并，indicator=True 标出没找到客户资料的订单，并返回 tool_result 供智能体解释。

import pandas as pd

# 左表是一条订单一行；右表应是一位客户一行。数据为人工构造。
orders=pd.DataFrame({'order_id':['o1','o2','o3'],'customer_id':['c1','c2','c3']})
customers=pd.DataFrame({'customer_id':['c1','c2','c2'],'tier':['A','B','B']})
tool_request={'operation':'join','left_table':'orders','right_table':'customers','on':'customer_id','expected_cardinality':'many_to_one'}
print('tool_request=',tool_request)
join_key=tool_request['on'];cardinality=tool_request['expected_cardinality']
print('right_duplicate_keys=',customers.loc[customers.duplicated(join_key,keep=False),join_key].tolist())
try:
    orders.merge(customers,on=join_key,how='left',validate=cardinality)
except pd.errors.MergeError as error:print('blocked=',type(error).__name__)
# 此处仅演示完全相同的重复行在人工核实后去除；信息冲突时不能自动去重。
verified_customers=customers.drop_duplicates()
merged=orders.merge(verified_customers,on=join_key,how='left',validate=cardinality,indicator=True)
print('input_rows=',len(orders),'output_rows=',len(merged))
print('unmatched_order_ids=',merged.loc[merged['_merge'].eq('left_only'),'order_id'].tolist())
tool_result={'status':'needs_review','rows_before':len(orders),'rows_after':len(merged),
             'unmatched_order_ids':merged.loc[merged['_merge'].eq('left_only'),'order_id'].tolist()}
print('tool_result=',tool_result)

结果要核对行数和未匹配项

第一次合并被阻止；去除已核实的完全重复行后，输入与输出都是 3 行，o3 出现在未匹配清单。工具返回 status=needs_review 和未匹配 ID；智能体应把 o3 交给数据负责人确认：是客户资料漏导入、连接键格式不同，还是允许的访客订单。不能自动把会员等级填成默认值并当作真实匹配。

tool_request= {'operation': 'join', 'left_table': 'orders', 'right_table': 'customers', 'on': 'customer_id', 'expected_cardinality': 'many_to_one'}
right_duplicate_keys= ['c2', 'c2']
blocked= MergeError
input_rows= 3 output_rows= 3
unmatched_order_ids= ['o3']
tool_result= {'status': 'needs_review', 'rows_before': 3, 'rows_after': 3, 'unmatched_order_ids': ['o3']}

pandas merge 官方文档说明 validate 与 indicator；duplicated 文档说明重复键的检测方法。

什么时候不能套用这个关系

订单明细与商品明细可能本来是一对多，不能强行设为 many_to_one。先以业务主键写清预期关系，再检查行数、唯一键和空匹配。若连接结果用于模型训练，还应确认同一实体没有因错误合并而在训练和验证中重复出现。