Agentic BI数据智能助理.docxVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

AgenticBI数据智能助理

2025/10/28

目录

01

问数精度

LLM3.0架构如何提升裸用精度

02

资产检索

告别繁琐搜寻,AI赋能资产定位

03

智能报告

智能分析看板,一键生成洞察报告

01问数精度篇

LLM3.0架构如何提升裸用高精度

产品技术演进:数据→洞察→行动

Level1:DataChatbot

大语言模型(

大语言模型(LLM)的通用语义理解能力→准确识别用户的数据查询和知识库问答(KBQA)意图

统一的对话入口;通过意图分类进行路由

AskData

oSemanticunderstanding

oContentgeneration

KBQA

在ChatBI的早期探索中,有几个难题:

?系统需要通过大量“黑话”配置才能听懂业务语言,但这带来了巨大的管理负担;

?另一方面,即使用户使用了正确的术语,系统对模糊语义的理解依然不足。

Level2:InsightReasoner

Level2:InsightReasoner

利用大语言模型(LLM)的思维链(CoT)能力+专业知识(know-how)将复杂的分析拆解为可行动的计划

分步执行,获取关键指标,结合专业知识进行解读,并提供最终的洞察

Insight=LLM(Data,KH)

AskData

KBQA

oSemanticunderstanding

oContentgeneration

oChain-of-Thought

LLM的演进:

不仅提升了对复杂语义的理解力,也开辟了全新的可能性。

Level3:DataAgent

数据洞察+

数据洞察+业务运营知识

(know-how)→具体的执行动作

通过长期的持续经验进行自主学习和自我完善

Action=LLM(Insight,KH)

Insight=LLM(Data,KH)

KBQA

oSemanticunderstanding

oContentgeneration

oChain-of-Thought

AskData

“充分利用并持续探索LLM的赋能点”:让ChatBI不再仅仅是一个查询工具,而是真正能理解、会思考的智能伙伴。

技术实现方法灵活调整:更加智能、更低成本、更加开放

2023.05原型预研探索技术现状:大模型能力不足,价格昂贵

2023.05

原型预研探索

技术现状:大模型能力不足,价格昂贵

核心方法:尝试基于大模型的NL2SQL

技术优势:实现成本低

技术缺陷:

?模型能力差,整体精度低

?过程不可控,结果不可信

?响应时长高,用户体验差

?使用成本高,企业难承受

2025.09

FineChatBI1.0FineChatBI

FineChatBI1.0

技术现状:一方面大模型scalinglaw开始撞墙;

技术现状:一方面大模型scalinglaw开始撞墙;另一方面大模型应用中间件(AgenticRAG、

MCP等)能力快速提升

核心方法:大模型语义改写,小模型NL2DSL+NL2MetricSemantic;推理大模型深度解读技术优势:

?过程可控、可干预,结果可信任

?支持独立部署,实现企业级安全

?高性能、低成本

?对接指标模型,扩大问数范围

?通过开放集成支持灵活定制

核心方法:通用大模型语义改写,小模型NL2DSL;推理大模型深度解读

技术优势:

?过程可控、可干预,结果可信任

?支持独立部署,实现企业级安全

?高性能、低成本

?分析闭环:从数据查询到解读报告

技术缺陷:配置成本高

技术缺陷:配置成本高

2025.10(当前)FineChatBI3.0技术现状:

2025.10(当前)

FineChatBI3.0

技术现状:持续跟踪...

核心技术:大模型端到端完成NL2DSL+

NL2MetricSemantic,小模型做预处理+后处理;基于AgenticRAG技术实现仪表板检索+问答

技术优势:

?过程可控、可干预,结果可信任

?支持独立部署,实现企业级安全

?(极速模式)高性能、低成本

?对接指标模型,扩大问数范围

文档评论(0)

情报猿 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档