AI 可视化问答慢在哪把查询、模型和渲染分开计时自然语言问数看起来是一条请求实际经过意图解析、指标查询、结果解释和图表渲染。只报一个总耗时很难判断钱花在哪、等待又发生在哪。先拆账为每次任务记录脱敏后的查询标识、指标版本和各阶段耗时。模型侧统计输入、输出与缓存 Token数据侧记录扫描范围和返回行数前端记录首个可见结果与完整图表完成时间。成本按供应商账单口径计算不用一个未经来源支持的“平均单价”代替。再判断哪里值得优化SQL 扫描占比高先收紧字段、分区与聚合模型等待长检查上下文是否重复、是否需要流式展示渲染慢则看数据点数量、布局和重复更新。一次只改一段并用同一批查询核对图表与文字结论没有变化。最终看的是用户能否在预算内得到可核对的答案。模型生成的解释必须带指标口径和数据时间不能因为展示更快就跳过数据权限与结果校验。