开源ChatBI : SuperSonic技术分析和使用文档

i7杨

已于 2025-04-09 14:52:32 修改

阅读量1.2k

点赞数 8

文章标签：大数据

于 2025-03-05 15:35:01 首次发布

本文链接：https://blog.csdn.net/weixin_42049123/article/details/146043786

版权

目标：寻找到一个可用的语言交流智能BI,可以提供准确的数据交流服务。

1.项目背景与核心价值

1.1 项目定位

Supersonic是一款基于大语言模型（LLM）的对话式商业智能（ChatBI）开源工具，旨在通过自然语言交互降低数据分析门槛，实现从数据查询到可视化洞察的端到端自动化。

1.2.核心价值

零代码交互：业务人员无需SQL技能，通过自然语言对话完成数据分析。

多源支持：支持MySQL、PostgreSQL、ClickHouse等多种数据源，可以自定义链接器。

智能可视化：自动生成图表并给出分析建议（如趋势预测、异常检测）。

开源可扩展：Apache 2.0协议，支持插件化开发与私有化部署。

2.技术架构解析

2.1 流程图

2.2 关键技术模块

2.2.1 自然语言处理层

意图识别模块：基于微调的BERT模型（准确率>92%）

实体抽取：BiLSTM-CRF + 领域词典增强

多轮对话管理：基于状态机的上下文跟踪（DST）

2.2.2 语义解析引擎

Text2SQL：基于模板的混合方法（LLM生成 + 语法校验）

查询优化：

自动方言适配（MySQL -> PostgreSQL）

联邦查询下推（通过Apache Calcite）

2.2.3 可视化引擎

自动图表推荐：基于字段类型和统计特征的规则引擎

交互式叙事：通过Vega-Lite生成可复用的可视化模板

3.安装

3.1下载

git下载地址：Releases · tencentmusic/supersonic · GitHub

3.2 安装

解压后运行 "bin/supersonic-daemon.sh start"启动standalone模式的Java服务
在浏览器访问http://ip:9080 开启探索（admin/123456）

4.使用方法

4.1大模型管理

可创建自己安装的大模型，但是常规大模型语义解析准确度不高；

私有deepseek32b大模型的作用在supersonic仅限于交流，语义解析暂不适配；

4.2 数据库管理

配置数据库，创建可用的数据库；如下：常用的有H2，ClickHouse,Mysql,PG。

4.3 构建语义模型(核心)

4.3.1创建数据集（原始数据）

4.3.2设置表字段含义

这个模型最好将宽表按最小场景，拆分成多个小模型。

4.3.3 选择模型字段加入数据集

按模型里配置的字段挑选，只有选择的维度和指标才能通过交流获取。（交流助手的数据均来自这里）。

4.4 配置交流助理

4.4.1选择默认大模型

4.4.2 选择文本转SQL插件

4.5 交流测试

4.6 使用总结

为了提高SQL的准确度，保证4.3语义模型的规范性和可识别性。

一些使用经验：

a.模型管理，尽量拆解大宽表，不要让一个模型里存在两个含义相近的字段；

比如：存在两个包含人含义的字段，需求者和开发者，这会导致话术使用额外的标识区分；

b.调试助手时，字段和问题要一个一个增加，不要想一次性吃个胖子，直接输入所有字段；字段越多，模型的理解需要字段描述就需要越精确；

比如时间类型的字段，每个时间字段不去特别说明，语义解析的时候都会自动默认每个时间字段最近三个月的条件；

c.SQL的解析，可以从模型字段定义的清晰度上优化解析准确度；

d.数据库的数据字段存在某种命名规范，需要和字段值含义匹配；

比如是否逾期，值不是“是否”，而是包含多种解释，就会导致模型解析失真；

5.性能指标

来自官网用户使用分析：

指标	性能表现
简单查询响应时间	< 3秒
复杂联邦查询响应时间	< 15秒
意图识别准确率	92.3%
最大并发支持	200 QPS