如何将AI与BI整合的初步思路和探索转化为？

实现AI和BI整合的初步思路和探索-Part3 前两篇探索了用code和dify的实现思路，实现起来均有一定的门槛。那么市面上有没有什么开源的现成产品已经对这个方向进行了探索呢？最近还真搜罗到了两个不错的产品，一个是飞致云下的SQLBot，还有一个是WrenAI。 这两个平台的初印象 最近零散的了解并体验了下这两个平台，简单记录如下： SQLBot 是飞致云旗下的一款开源产品，目前Github star 4.6k。飞致云也是博客园的合作伙伴，1Panel也是旗下的产品（通过这两个产品才了解到原来这家公司这么牛），如果你的Linux服务器部署了1Panel，也可以很方便的在1Panel里部署SQLBot。 Docker的部署支持Linux，和Windows WSL，但是不支持Macos，经官方确认，目前在Mac下只能通过源码的方式来部署。 同时SQLBot也支持阿里云的部署，阿里云也提供了一个小时的免费体验，如果你懒得折腾环境去安装，那么也可以在阿里云上体验下。 WrenAI 另一款开源产品，目前Github star 13k，居然比SQLBot还高。其社区版本免费，商用版或者Cloud版收费。 社区版的部署支持Macos docker，但是后台配置起来麻烦，需要去改配置文件，不如SQLBot方便。 实现的思路 这两个平台的实现思路都差不多，以下引用SQLBot的一张图： 大体上来说跟我前两篇差不多，都是把用户的问题，以及数据的schema都扔给大模型，生成SQL查询，然后把查询到的数据推给SQLBot以及大模型，生成相应的data table或者chart。 顺便贴一个SQLBot的官方展示图： SQLBot Docker的安装 虽然Docker不如往年，但当前还是我们很方便的一个工具。 以下是官方提供的脚本。 docker run -d \ --name sqlbot \ --restart unless-stopped \ -p 8000:8000 \ -p 8001:8001 \ -v ./data/sqlbot/excel:/opt/sqlbot/data/excel \ -v ./data/sqlbot/file:/opt/sqlbot/data/file \ -v ./data/sqlbot/images:/opt/sqlbot/images \ -v ./data/sqlbot/logs:/opt/sqlbot/logs \ -v ./data/postgresql:/var/lib/postgresql/data \ --privileged=true \ dataease/sqlbot 过程很简单，在国内的环境只需要考虑好怎么高效率的访问到Docker的资源就可以。 其它的部署方法可以参考官方的文档：https://dataease.cn/sqlbot/v1/installation/online_installtion/ 需要做的一些配置 SQLBot的相关配置还是很方便的（真的没WrenAI那么硬核）。 LLM配置 管理员登录后，可以直接在系统管理下添加大模型。这个是必要的，如果不配置直接使用系统，也会提示没配置大模型，直接导航到大模型的配置页面。 可以看到模型的支持对国内还是很友好的。 数据库的配置 在主面板下点击数据源，可以管理和添加各种数据源。 主流的数据库都支持，SQLServer也支持。 这里由于我的部署环境是云端，不想连我本地的SQLServer，所以我是把数据导出成Excel，然后导入到SQLBot。数据就是在上一篇创建的mart数据。 功能体验 Gloves产品按月的销量，用折线图展示 可以查看背后的数据，以及系统生成的SQL语句。也可以切换Chart。 点击数据分析，可以生成基于大模型的分析。以下是其针对这段数据生成的分析报告。 深度思考过程 数据理解： 提供的数据包含两个字段：order_month（月份）和 total_quantity（销量）。 数据的时间范围是从2012年12月到2014年1月，共计15个月。 销量数据是按月统计的，单位为“数量”（可能是件、台等）。 分析目标： 需要对销量数据进行分析，可能包括趋势分析、季节性变化、增长情况等。 分析步骤： 趋势分析：观察销量随时间的变化趋势，是否存在上升或下降的趋势。 季节性分析：检查是否存在明显的季节性波动，例如某些月份销量较高或较低。 增长率计算：计算每个月相对于上一个月的增长率，以了解增长的速度。