访问官网
Github
文档
论文
SuperSonic
SuperSonic是下一代BI平台，集成了Chat BI（由LLM驱动）和Headless BI（由语义层驱动）范式。这种集成确保Chat BI能够访问与传统BI相同的经过策划和治理的语义数据模型。此外，两种范式的实施都从这种集成中受益：
- Chat BI的Text2SQL通过从语义模型中检索上下文得到增强。
- Headless BI的查询接口通过自然语言API得到扩展。
SuperSonic提供了一个Chat BI界面，使用户能够使用自然语言查询数据并用适当的图表可视化结果。要实现这种体验，唯一需要做的就是通过Headless BI接口构建逻辑语义模型（定义指标/维度/标签及其含义和关系）。同时，SuperSonic设计为可扩展和可组合的，允许通过Java SPI添加和配置自定义实现。
动机
像ChatGPT这样的大型语言模型（LLM）的出现正在重塑信息检索的方式，在数据分析领域引领了一种新的范式，称为Chat BI。为了实现Chat BI，学术界和业界主要专注于利用LLM将自然语言转换为SQL，通常称为Text2SQL或NL2SQL。虽然一些方法显示出promising的结果，但它们的可靠性对于大规模实际应用来说还不够。
同时，另一种新兴范式称为Headless BI，它专注于构建统一的语义数据模型，引起了广泛关注。Headless BI通过通用语义层实现，通过开放API暴露一致的数据语义。
从我们的角度来看，Chat BI和Headless BI的集成有潜力在两个维度上增强Text2SQL生成：
- 将数据语义（如业务术语、列值等）纳入提示中，使LLM能更好地理解语义并减少幻觉。
- 将高级SQL语法（如连接、公式等）的生成从LLM转移到语义层，以降低复杂性。
基于这些想法，我们开发了SuperSonic作为一个实用的参考实现，并用它来支持我们的实际产品。此外，为了促进进一步的发展，我们决定将SuperSonic作为一个可扩展的框架开源。
开箱即用的功能
- 为业务用户提供内置的Chat BI界面，以输入自然语言查询
- 为分析工程师提供内置的Headless BI界面，以构建语义数据模型
- 内置基于规则的语义解析器，以在某些场景下提高效率（如演示、集成测试）
- 内置支持输入自动完成、多轮对话以及查询后推荐
- 内置支持三级数据访问控制：数据集级、列级和行级
可扩展组件
高级架构和主要流程如下：
-
知识库： 定期从语义模型中提取模式信息，构建字典和索引以促进模式映射。
-
模式映射器： 识别用户查询中对模式元素（指标/维度/实体/值）的引用。它将查询文本与知识库进行匹配。
-
语义解析器： 理解用户查询并生成语义查询语句。它由基于规则和基于模型的解析器组合而成，每个解析器处理特定场景。
-
语义校正器： 检查语义查询语句的有效性，并在需要时进行修正和优化。
-
语义转换器： 将语义查询语句转换为可以针对物理数据模型执行的SQL语句。
-
聊天插件： 通过第三方工具扩展功能。给定一个配置好的插件列表，包括描述和示例问题，将利用LLM选择最合适的插件。
-
聊天记忆： 封装了一系列可以被回忆起来以促进少样本提示的历史查询轨迹。
快速演示
在线演示
访问http://117.72.46.148:9080注册并体验新用户。请勿修改系统配置。我们将每周末定期重启以重置配置。
Docker部署
- 安装Docker和docker-compose。
- 下载docker-compose.yml文件；执行：wget https://raw.githubusercontent.com/tencentmusic/supersonic/master/docker/docker-compose.yml。
- 执行"docker-compose up -d"。
- 打开浏览器访问http://localhost:9080开始探索。
本地构建
SuperSonic附带示例语义模型和聊天对话，可作为起点使用。请按以下步骤操作：
- 从发布页面下载最新的预构建二进制文件
- 运行脚本"assembly/bin/supersonic-daemon.sh start"启动独立Java服务
- 在浏览器中访问http://localhost:9080开始探索
构建和开发
请参阅项目文档。
微信联系
请关注SuperSonic微信公众号：
