本章我们将在 PLANNER（计划生成）与 PLAN_EXECUTION（计划执行）之间，插入一道坚实的人类防火墙：HUMAN_FEEDBACK（人工审核） 节点。
这也就是 AI Agent 领域常说的 HITL（Human-in-the-Loop，人工在环） 机制。
PlanExecuteNode 如何遍历执行计划，为下一步的工具链调用做准备。上一篇我们已经把 HUMAN_FEEDBACK 和 PLAN_EXECUTION 串起来，Agent 终于具备了“人工审批后再执行”的企业级安全感。
这一篇，我们进入真正“干活”的核心阶段：把计划步骤翻译成 SQL，并在执行器里跑出结构化结果。
PLAN_EXECUTION -> SQL_GENERATION -> SQL_EXECUTION 的图流转逻辑。SqlGeneratorNode 如何把计划步骤转成可执行 SQL。SqlExecuteNode 如何执行 SQL 并回填统一结果结构。告别“玩具级” Demo！ 本教程专为想把大模型应用从 POC 落地到生产环境的开发者打造。
我们将自顶向下，带你从搭建基础架构开始，一步步构建一个具备图编排 (StateGraph)、双重 RAG 检索、自我纠错 (Self-Correction) 以及人机协同 (HITL) 能力的工业级 Text2SQL 数据智能体。
📚 项目仓库: data-agent-tutorial | 🔗 参考项目: spring-ai-alibaba/DataAgent | 💡 学习策略: 分支对照，每章即刻运行，所见即所得。
这篇只做一件事：创建一个能启动的后端骨架。
可以先用 Spring Initializr 创建 Kotlin + Spring Boot 项目，然后补依赖。
也可以直接手建目录，这里给一份与你当前项目一致的 build.gradle.kts 示例。
如果你是直接用 IDEA 新建 Kotlin 工程，建议参数按你这套配置来：
这篇目标：创建一个能跑、能请求后端的 Vue3 工程。
pnpm create vue@latest data-agent-frontend这篇只做一件事：
搭一个不依赖业务知识的 A2A 最小服务，让前端能收流式事件。
本文内容对照提交：
data-agent-backend/src/main/kotlin/io/github/qifan777/server/a2a/A2AConfiguration.ktdata-agent-backend/src/main/kotlin/io/github/qifan777/server/a2a/A2AController.ktdata-agent-backend/src/main/kotlin/io/github/qifan777/server/a2a/ToyAgentExecutor.kt这一篇只关心前端交互：
本文内容对照提交：
data-agent-frontend/src/App.vuedata-agent-frontend/src/components/toy-hello-node.vueTOY_HELLO_NODE 渲染为一个独立 Vue 组件在构建我们的 Text2SQL Agent 之前，我们需要先喂给它足够的“养料”。业界著名的 BIRD-SQL (A Big Bench for Large-Scale Database Grounded Text-to-SQLs) 数据集就是绝佳的训练和测试素材。
本文将带大家拆解 BIRD 数据集的核心文件结构，并展示如何将这些庞杂的 JSON 文件和 SQLite 数据库，优雅地映射到我们系统后端的领域模型（Domain Model）中。