跳到主要内容

从零打造 Agentic ChatBI 智能体

提示

在 XpertAI 平台中实现可对话、可思考的数据智能分析

在数字化运营与业务智能需求日益增强的当下，企业不再满足于传统静态报表或单次问答式的分析工具，而是希望构建具备自主理解与任务执行能力的数据分析智能体。XpertAI 平台以“Agentic ChatBI”为核心理念，打造了一种全新的对话式数据分析体验。

Agentic 代表“智能体驱动”，不仅支持自然语言问答，还强调智能体具备记忆上下文、管理目标、调用工具、迭代优化等能力。相比传统 Prompt Engineering 或基于 SQL 模板的方案，XpertAI 的 Agentic ChatBI 拥有以下独特优势：

  • 🧠 真正的智能体架构：每个 ChatBI 实体都是可编排、可配置的独立智能体，具备感知（用户意图识别）、思考（指标推理、语义解析）、行动（指标构造与图表输出）能力。
  • 🔌 端到端闭环设计：从数据源接入、语义建模到对话发布，平台支持全流程无缝配置，无需编码，非技术用户也能从零开始。
  • 🧩 可扩展工具链：支持多工具协作（如搜索、函数调用、知识检索），适配多种 AI 模型（OpenAI、通义千问、Deepseek 等），提升问答准确性与业务适应性。
  • 🧭 上下文感知与意图记忆：支持实时数据上下文识别、历史对话追踪与个性化响应，让分析过程更加智能与连贯。

本文将带你从零开始，逐步完成一个可上线使用的 ChatBI 智能体的构建流程。

第一步：创建数据源连接​

ChatBI 的基础是数据，而数据的入口就在于连接多样化的数据源。XpertAI 支持接入主流数据库与数据仓库，包括但不限于：

  • MySQL / PostgreSQL / SQL Server
  • SAP BW / SAP HANA
  • ClickHouse / Doris / Hive / Presto
  • Snowflake / Redshift
  • Excel / CSV 等其他结构化数据源

你只需在【数据源管理】中配置连接信息，平台会自动完成连接校验。

第二步：创建语义模型（语义数据立方体）​

为了让智能体理解业务概念与数据之间的关系，我们引入了“语义模型”的概念。你可以通过图形化界面构建数据立方体，定义：

  • 维度（维表、维度属性）
  • 度量（数值字段、聚合方式）
  • 数据源表之间的关联关系（主外键 Join）

这个步骤旨在将底层数据结构转化为 AI 模型（及业务用户）易于理解和使用的分析模型。

第三步：管理语义模型的指标（可选）​

如果你希望在模型中预置常用 KPI 指标（如 GMV、转化率、人均订单等），可以在【指标管理】中进行定义和分类。 这些指标将成为智能体理解查询意图、构造查询的关键参考。

✅ 提示：此步骤非必需，但强烈建议在复杂业务场景中配置，以提升智能问答的准确性与业务上下文理解力。您完全可以在【计算成员】中实现同等的逻辑计算。

第四步：创建 ChatBI 数据模型配置​

此【对话模型】配置将语义模型与智能体交互上下文绑定，是连接底层数据与上层 ChatBI 工具集的桥梁。

你需要：

  • 选择已建好的语义模型
  • 选择语义模型中的实体（数据立方体）
  • 填写简要描述和长描述，以便大模型理解其含义

这一步完成后，智能体就能基于模型描述进行选择使用。

第五步：创建 ChatBI 智能体​

一切准备就绪后，就可以正式创建 ChatBI 智能体了。

⚙️ 请确保平台中已配置 AI 模型（如 OpenAI、Deepseek、Claude、通义千问 等），并在【模型管理】中设置默认对话模型。

接下来按以下步骤操作：

1. 创建工作空间​

用于组织不同智能体和工具的容器，方便多团队或多业务线管理。

2. 创建 ChatBI 工具集​

  • 选择“ChatBI”类型工具
  • 引用第四步中配置好的数据模型
  • 可进一步配置数据权限（关闭后实际数据将被过滤后仅返回维度成员信息给大模型，否则发送完整数据结果）
  • 开启所有工具并保存

3. 创建智能体并挂载工具​

  • 设置智能体名称、基础AI模型（如“销售数据分析专家”）
  • 挂载 ChatBI 工具集
  • 可为智能体节点单独设置不同类型的 AI 模型（如推理模型）
  • （可选）配置其他辅助能力，如搜索工具、MCP 调用插件等

4. 测试与发布​

在预览区模拟真实问题（如“上个月的销售额是多少？”），验证是否能正确生成图形组件配置并返回期望结果。 测试通过后，一键发布上线。

第六步：使用 ChatBI 智能体进行对话式分析​

在最终对话界面中，你可以像与同事对话一样，向 ChatBI 智能体提问业务问题：

“最近一周哪个城市的订单增长最快？”

“请按省份对比本季度 GMV 和同比增长率。”

“分析一下高客单价商品的人群画像。”

系统会自动完成意图识别、图形生成、问题推荐，甚至提供分析解读与摘要，让数据洞察触手可得。

为什么选择 XpertAI 的 Agentic ChatBI？​

对比传统 BI 工具与 RAG+SQL 方案：​

特性维度传统 BI 工具RAG+SQL 模型调用Agentic ChatBI
交互方式拖拽图表、预设查询单轮自然语言问答多轮上下文对话，能主动提问与澄清
技术门槛需要懂数据结构、建模语言需要提前设计 Prompt + SQL 模板无需编码，图形化配置即可使用
智能程度静态报表、被动响应有一定问答能力，但依赖语料精度智能体具备推理、记忆、调用工具能力
数据理解能力缺乏语义层，字段名直译简单字段映射 + 嵌入匹配语义建模 + 指标体系 + Cube 上下文感知
扩展能力定制难、依赖开发每加新业务都需重写 Prompt模块化工具链，支持自定义函数和插件
结果质量依赖用户操作和业务知识易生成错误 SQL，缺乏控制能力高准确率 SQL 构造 + 原始数据可审计
适用人群数据分析师、报表开发人员数据工程 + AI 工程团队产品经理、运营人员、业务分析师等非技术角色

一句话总结： 传统 BI 工具解决了“展示问题”，RAG+SQL 解决了“提问问题”，而 XpertAI 的 Agentic ChatBI 则在解决“理解、决策与行动”的问题。

小结：人人都能构建自己的智能数据分析专家​

XpertAI 的 Agentic ChatBI 不仅是一种工具，更是一种数据驱动思维方式的转变。它让从数据建模、分析逻辑到自然语言交互的全流程都具备“可配置”、“可托管”、“可智能优化”的能力。

立即开启你的 ChatBI 智能体之旅，让数据分析真正 “可对话 · 可理解 · 可行动”。

如需获取产品演示，请访问 XpertAI 官网 或联系平台 管理员 获取支持。