BigQuery图对话正式可用：多张表的关系可以先写进图，查询方式仍受版本限制

2026年10月1日，Google Cloud在BigQuery发布记录中宣布，面向图数据的对话分析正式可用。用户可以把多个图与表、视图、用户定义函数结合为数据来源，让智能体生成查询并展示结果。对于已经把客户、订单和配送节点建成关系图的团队，这提供了一个更直接的提问入口。

先把“谁与谁有关”说清楚

图在这里不是一张画出来的统计图，而是对实体及其关系的描述。官方文档说明，智能体能利用图里的说明、同义词和度量定义来理解问题，再根据图结构与提问选择GQL或SQL中的GRAPH_EXPAND函数。

以下为本文分析。假设一位客户下过三笔订单，每笔又包含几件商品，直接连接数据表后数行数，很容易把“客户数”算成“订单明细数”。图能提前表达客户与订单的关系，度量则可以明确到底数人数、订单数还是商品数。自然语言入口减少了手写查询的步骤，但业务含义仍应由数据模型承载。

AI模型生成的概念示意图，表现提问与数据关系相连，并非BigQuery界面截图。

正式可用，也要选对查询路径

一个容易漏看的条件是版本与计费模式。GQL查询需要BigQuery Enterprise或Enterprise Plus版本的预留资源；使用按需定价的项目执行GQL会报错。包含GRAPH_EXPAND的查询可以使用按需定价，但该函数并不支持所有图类型。接入前应先核对官方图查询文档，不能只凭“支持对话”判断现有项目必定可运行。

这会影响试点的安排。团队可以先选一个关系清楚、已有可信报表的小问题，例如某个时间段内各配送中心服务了多少不同客户。把生成的查询、结果与原报表并排核对，确认智能体有没有按相同日期、去重方式和订单状态理解问题。

把解释能力放进验收

如果问题从“客户人数”改成“下单次数”，正确结果应随统计对象变化；如果只换一种说法，统计口径则不应漂移。这样的成对问题，比连续问十个相似问题更容易发现模型是否真的读懂了关系。

可视化也应保留回到查询和数据来源的入口。关系图看起来连贯，只说明展示能够解释某条路径，并不能证明底层记录完整。本文未进行产品实测；上述场景是帮助读者设计试用的原创分析。

来源与核验

BigQuery官方发布记录将本次正式可用公告列于2026年10月1日；图对话使用文档说明查询方式与版本限制。两处资料于北京时间2026年10月2日核验。