AI 生成 SQL 的边界模型给计划权限层负责执行AI 可以协助整理查询计划和参数但数据库连接、权限和执行必须留在受控层。把任意 SQL 生成与高权限连接一起交给模型省掉的是几步操作增加的却是不可审计的查询范围。先说清它解决不了什么模型适合把查询意图整理成候选表、字段、筛选和聚合计划不应直接持有数据库连接。涉及写入、结构变更、跨权限域取数或无法限定扫描范围的请求交给确定性规则拒绝或转人工。即使是只读查询执行前也要由权限层重建参数而不是直接拼接模型文本。计划与执行必须分层模型输出先转换为受限查询计划权限层再校验数据域、时间范围、返回列和资源预算。执行失败要区分语法、权限、超时与空结果不能把它们都交给模型“再试一次”。可以先用下面这份检查单审阅一个最小任务候选计划中的表、列、时间范围和聚合是否来自允许清单写入、DDL、无范围扫描和越权字段请求是否在连接数据库前被拒绝参数绑定、返回行数与执行时限是否由执行层强制设置语法、权限、超时和空结果能否分别记录且不会无限自动重试。如何验证而不是靠感觉判断评审时挑一个明显不适用的请求走完整流程确认系统会拒绝、降级或转人工而不是勉强给出看似合理的输出。审计记录保存脱敏后的查询意图、受限计划、权限判断和数据库返回类别不保存凭证或敏感结果集。验证时加入一个正常只读请求和几类应拒绝请求重点确认拒绝发生在执行前不能以模型换一种 SQL 后偶然通过为准。适用范围模型可以帮助整理查询意图但权限、资源预算和最终执行必须留在可审计的确定性链路里。