SuperSonic快速上手3步让业务同事用自然语言查数据【免费下载链接】supersonicSuperSonic is the next-generation AIBI platform that unifies Chat BI (powered by LLM) and Headless BI (powered by semantic layer) paradigms.项目地址: https://gitcode.com/GitHub_Trending/su/supersonic周五下午运营在群里丢来一句上周各页面的访问次数和访问人数分别是多少按老流程这个问题要等数据工程师排期写SQL。SuperSonic 是一个开源的 Chat BI 语义层Headless BI平台专门解决这类业务要数、工程师写SQL的等待让业务方直接开口提问就能拿到图表。它是什么 30秒跑起来SuperSonic 把两件事放在同一个平台业务方在问答界面用自然语言查数Chat BI分析工程师在语义层统一管理指标、维度和数据源Headless BI双方共用同一套口径物理表不用改一行。它不需要复制或迁移数据只在现有数据表之上建一层业务语义模型。最短上手路径5 步安装 Docker 与 docker-compose本机需开放 9080、15432 端口。克隆仓库git clone https://gitcode.com/GitHub_Trending/su/supersonic进入 docker 目录执行docker-compose up -d拉起 Postgrespgvector和应用两个容器。浏览器访问http://localhost:9080登录即可看到内置的超音数示例模型PVUV 统计、用户部门和艺人库模型。打开 Chat 问答页输入访问次数按页面统计第一次自然语言查数完成。偏好本地构建的话从 release 页下载发行包后执行assembly/bin/supersonic-daemon.sh start同样访问 9080 端口。项目入口代码在launchers/目录standalone 是 Chat Headless 合并形态chat 和 headless 也可拆成两个独立服务部署。跟着一个场景走完全程以问按页面统计最近3天的访问次数和访问人数为例看一句自然语言在系统里经历了什么。提问后系统内部走的是 README_CN.md 描述的五个组件链路模型知识库先从语义模型里抽指标、维度、同义词定期建成词典和索引模式映射器Schema Mapper在词典里匹配出访问次数、访问人数、页面、最近3天这些实体语义解析器把它们组装成语义查询语句 S2SQL语义修正器检查合法性并补全缺失条件语义翻译器最后把 S2SQL 翻成能在物理表上直接执行的 SQL比如自动算出s2_pv_uv_statis表上带日期过滤的聚合语句。关键在于表连接、聚合这些复杂 SQL 不由大模型硬写而是由语义层兜底幻觉空间被压得很小。结果以表格加图表呈现下方还会给出追问推荐比如按部门看访问人数点一下就能多轮下钻。拿到结果后有两个值得做的动作点开查询信息核对生成的 S2SQL 和最终 SQL确认口径符合预期对答错的问题点踩反馈问答记忆会把历史查询轨迹封装成 few-shot 样例回灌进提示词问得越多模型越懂你的业务。核心能力拆解自然语言查数怎么做一句话输入业务问题秒级返回图表全程不写SQL。什么时候用运营、产品做日常取数替代临时提SQL需求。最小示例在 Chat 页输入上周各页面的访问次数和访问人数返回表格、图表和 S2SQL。它也内置了基于规则的语义解析器演示、集成测试等场景不依赖 LLM 也能跑通。语义模型怎么配一句话在 Headless 界面把业务黑话翻译成指标、维度和数据源。什么时候用新业务域接入前先配模型再放开提问。最小示例在webapp/packages/supersonic-fe/src/pages/SemanticModel/对应的管理页面里先建数据源指向物理表再定义停留时长这类指标带聚合方式和页面部门这类维度时间维带日期格式多个数据源在同一模型下通过关联键连接跨表问题就能一次问出。三级权限怎么控一句话数据集级、列级、行级逐层收窄可见范围。什么时候用不同部门共库但数据不能互看。最小示例示例库里页面维度就标记了敏感等级数据集可查看人按账号和角色配置行级权限则可按数据内容如区域、部门过滤业务方只能看到自己范围内的行。Headless BI 开放 API 怎么接一句话把自然语言查数能力嵌进你自己的系统而不只是网页对话框。什么时候用内部数据产品想加问数入口。最小示例Headless 模块暴露指标、模型、数据集等开放 API定义见headless/api源码目录服务端实现在headless/server外部系统可用 API 拉取语义模型或用自然语言参数直接发起查询Chat BI 的解析链路源码在chat/server目录下可自行扩展。按你的规模落地规模建议关键点小团队直接 docker-compose 起 standalone内置 H2 示例库先玩起来配 3~5 个核心指标跑通流程用benchmark/目录的脚本批量验证你的业务问题中型部门接入 MySQL / ClickHouse 数仓建 1 个域管理十几个指标指标别名配全减少解析歧义用evaluation/脚本对比不同模型效果企业级多域多模型、按部门隔离拆 chat 与 headless 两个服务独立部署三级权限 模型管理流程化语义模型变更走版本管理定期回归测试常见坑 解法现象问的指标查不出来。解法给指标和维度补上业务常用别名让模式映射器能命中。现象LLM 解析偶尔跑偏。解法打开规则解析器兜底或在问答记忆里沉淀正确样例作为 few-shot。现象中文日期上周最近3天理解不稳。解法时间维度里明确日期格式如 yyyy-MM-dd并在提示样例里覆盖同类问法。现象跨表问题结果不对。解法检查模型下数据源之间的关联键join key是否指向正确主键示例里 PVUV 表与用户部门表就是用 user_name 关联的。现象大表查询慢。解法高频指标改走预聚合表或视图别每次都扫明细。现象容器起不来。解法先确认 Postgres 健康检查通过再进 9080 界面同时检查本机端口占用。写在最后SuperSonic 的价值在于把查数从排队等SQL变成问一句出图而指标口径统一带来的长期收益比单次提效更值钱。随着 LLM 能力持续增强自然语言查数会像查搜索引擎一样日常语义层就是它可靠的地基。【免费下载链接】supersonicSuperSonic is the next-generation AIBI platform that unifies Chat BI (powered by LLM) and Headless BI (powered by semantic layer) paradigms.项目地址: https://gitcode.com/GitHub_Trending/su/supersonic创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考