ChatBI最佳实践

词汇含义提示

在第六个问题中，由于“大模型”无法准确理解“人流量”这一词汇的含义，因此可以通过配置polar4ai_nl2sql_llm_config表进行预处理。

CREATE TABLE `polar4ai_nl2sql_llm_config` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主键',
  `is_functional` int(11) NOT NULL DEFAULT '1' COMMENT '是否生效',
  `text_condition` text COMMENT '文本条件',
  `query_function` text COMMENT '查询处理',
  `formula_function` text COMMENT '公式信息',
  `sql_condition` text COMMENT 'SQL条件',
  `sql_function` text COMMENT 'SQL处理',
  PRIMARY KEY (`id`)
);

插入相关的配置项，告知大模型将“人流量”或“客流量”统计为“就餐人数”。

INSERT INTO polar4ai_nl2sql_llm_config (id, is_functional, text_condition, query_function, formula_function, sql_condition, sql_function) VALUES (
  1, 
  1, 
  "人流量||客流量", 
  "", 
  "人流量或客流量使用就餐人数总和进行统计", 
  "", 
  ""
);

其中，is_functional为1表示该配置项有效。字段text_condition的值为“人流量||客流量”，用于在问题中匹配含有“人流量”或者“客流量”的情况。formula_function中的内容则是通过文字（或公式）向大模型解释专业词汇的含义。

在此情况下，无需构建索引表和进行向量化处理，可以直接执行SQL生成，结果如下。

模糊匹配提示

在第3个问题中，地名匹配使用=操作符进行检索将导致失败。因此，我们需要提示在进行地名匹配时应使用模糊搜索，可以添加以下配置项。

INSERT INTO polar4ai_nl2sql_llm_config (id, is_functional, text_condition, query_function, formula_function, sql_condition, sql_function) VALUES (
  2, 
  1, 
  "", 
  "", 
  "门店地点position的匹配需要使用模糊搜索", 
  "", 
  ""
);

其中，text_condition为空，表示该配置项将全局生效（请谨慎使用）。

结果如下图所示。可以看到，地点的匹配成功地使用了模糊搜索。

同理，在第5个问题中，“环比”和“同比”的计算公式也可以录入到polar4ai_nl2sql_llm_config配置表中，以提高生成SQL的精确度。您可以自行进行挑战尝试。

1. 假设您在NL2SQL中的语句如下：

   /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2sql, select '商户类型统计') WITH (basic_index_name='schema_index',pattern_index_name='pattern_index');

   并生成了相应SQL语句（请检查SQL语句运行结果有意义且不是空值）：

   SELECT merchtype AS 商户类型,COUNT(*) AS 商品数量 FROM hkrt_merchant_info GROUP BY merchtype;

2. 使用NL2Chart：

   语法说明

   /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2chart, <SQL语句>) WITH (usr_query = <usr_query>, result_type = <result_type>);

   参数说明

   参数名称	参数说明	示例值
   usr_query	用户输入的问题描述，用于明确统计图表的生成需求。	"2023年各季度销售额统计"
   result_type	指定返回结果的类型，当前仅支持 'IMAGE'。	'IMAGE'
   SQL语句	由 NL2SQL 模块生成的 SQL 查询语句，用于获取数据。	SELECT quarter, sales FROM sales_data WHERE year = 2023

   示例：将输出的SQL语句的查询结果转化为图表

   /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2chart, SELECT merchtype AS 商户类型, COUNT(*) AS 商户数量 FROM hkrt_merchant_info GROUP BY merchtype) WITH (usr_query = '商户类型统计', result_type='IMAGE');

   返回结果如下：

   说明

   返回的链接为图片地址，有效时间为90分钟，过时将失效。

   http://db4ai-xxx-xx-xxxx-xxx-xxxx.aliyuncs.com/pc-bpze47ma2c515087l6/OSSAccessKeyId=xxxxxxx&Expires=1716130199&Signature=KvPFzfMebIEmqxPIXURurwwbsXM%3D

   

3. （可选）图表类型选择与强制选择

   模型会基于对用户问题和数据的理解选择合适的图表，推荐选择用户问题引导模型画图。

   以下是问题类型与图表类型对应参考表：

   问题类型	图表类型	用户问题示例	说明
   数量统计	柱状图	"请统计各城市销售额"	展示不同类别之间的数值对比，如数量、总量、频次等。
   趋势变化	折线图	"请展示过去一年的用户增长趋势"	展示数据随时间或有序类别变化的趋势，强调连续性。
   占比分布	饼状图	"请展示各产品线的销售占比"	适用于展示整体中各部分的比例关系，需数据为分类且总和明确。

   通过修改usr_query参数强制指定图表类型，在usr_query参数末尾加上补充命令即可：

   -- 将输出的sql输入 nl2chart 画折线图
   /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2chart,
   SELECT merchtype AS 商户类型, COUNT(*) AS 商户数量 FROM hkrt_merchant_info GROUP BY merchtype
   ) WITH (usr_query = '商户类型统计，画折线图', result_type='IMAGE');

   

   -- 将输出的sql输入 nl2chart 画饼状图
   /*polar4ai*/SELECT * FROM PREDICT (MODEL _polar4ai_nl2chart,
   SELECT merchtype AS 商户类型, COUNT(*) AS 商户数量 FROM hkrt_merchant_info GROUP BY merchtype
   ) WITH (usr_query = '商户类型统计，画饼状图', result_type='IMAGE');

   

更多详细信息请参考自然语言生成智能图表NL2Chart。