tencentmusic/supersonic

解决的问题

SuperSonic 通过将人工智能驱动的自然语言查询 (Chat BI) 与结构化语义数据层 (Headless BI) 相结合，解决了标准 Text2SQL 系统的可靠性问题。通过将 LLM 查询建立在受控的语义模型之上，它减少了幻觉并简化了复杂 SQL 查询的生成。

工作原理

该平台使用语义层来定义指标、维度和关系。当用户提出问题时，系统结合使用基于规则和基于 LLM 的解析器将查询映射到语义模型。然后，它将这些语义查询转换为可执行的 SQL，确保检索到的数据准确、受控且符合业务定义。

适用人群

它专为需要使用自然语言查询数据的业务用户，以及需要构建和维护受控、可扩展数据模型的分析工程师而设计。

亮点

• 统一范式： 集成 Chat BI 和 Headless BI，实现一致、可靠的数据访问。
• 语义基础： 使用知识库和模式映射器为 LLM 提供上下文，显著减少 SQL 生成错误。
• 可扩展架构： 基于 Java SPI 构建，允许开发人员添加自定义插件和组件。
• 企业级功能： 包含内置的多级数据访问控制（数据集、列和行级）以及多轮对话支持。