diff --git a/超音数设计思路.md b/超音数设计思路.md
index 8063019..a95df77 100644
--- a/超音数设计思路.md
+++ b/超音数设计思路.md
@@ -2,11 +2,11 @@
 
 在项目初期，我们也曾尝试通过prompt engineering让ChatGPT直接生成SQL，但经过多轮迭代，在稳定性和可靠性方面始终无法达到生产可用的期望，总的来说有如下问题：
 
-**SQL复杂度**
-- 如果涉及多表关联、运算公式、时间转换等情况，SQL语法较为复杂，LLM输出可靠性会进一步降低。
+**语义复杂**
+- 如果涉及多表关联、运算公式、时间转换等复杂语义情况，SQL生成难度变高，LLM输出可靠性会进一步降低。
 - 涉及指标计算的场景，如果依赖用户问询来描述，无法保证口径的一致性与确定性。
 
-**LLM幻觉**
+**输出幻觉**
 
 - 为了让LLM理解schema，需要将所有字段的名称和描述作为context输入，如果schema字段数量多，可能会超过context window限制。因此，基数过大的字段取值一般不会全部放入context，使得LLM无法识别到专有领域的术语。即便将schema全部输入且告知LLM不要随意猜测，仍然有一定几率会预测出错误的字段，甚至可能幻觉出不存在的字段。
 - 相同的语义，不同的语言表达，可能会导致大相径庭的输出结果，无法保证一致性。