tencentmusic/supersonic

解决的问题

SuperSonic 解决了传统「聊天 BI」（Text2SQL）系统在大规模真实应用场景中常见的可靠性问题，这些问题通常表现为幻觉和复杂的 SQL 语法。它通过将 LLM 驱动的聊天界面与受管理的语义层相结合，弥合了自然语言查询与结构化数据之间的差距。

工作原理

该平台统一了两种范式：聊天 BI 用于自然语言交互，无头 BI 用于定义语义数据模型（指标、维度和标签）。

当用户提出问题时，SuperSonic 使用一个处理管道来处理请求：

1. 知识库与模式映射器：将用户查询文本与模式元素字典进行匹配。
2. 语义解析器：结合规则和 LLM 逻辑，生成语义查询语句。
3. 语义校正器：使用规则或 LLM 验证并修正语句。
4. 语义翻译器：将验证后的语义语句转换为可执行的 SQL，将复杂的连接和公式逻辑从 LLM 转移到语义层，以减少错误。

适用人群

• 业务用户：希望使用自然语言查询数据并生成可视化图表，而无需了解 SQL 的人。
• 分析工程师：需要构建和维护受管理的语义数据模型，以确保组织内的一致性。

核心亮点

• 混合解析：结合规则和 LLM 解析器，提升效率和可靠性。
• 减少幻觉：将语义模型中的业务术语和列值纳入提示，引导 LLM。
• 细粒度访问控制：支持数据集、列和行级别的数据访问限制。
• 可扩展架构：通过 Java SPI 支持自定义实现，包括聊天插件和少样本提示的内存机制。