智能问数

简介 #

智能问数是 SmartChart 的 Text-to-SQL 能力实现。用户通过自然语言提问，系统先由调度智能体判断问题属于哪张业务表，再由 askdata 技能数据集自动生成 SQL 并查询数据库，最终将结果以可视化形式呈现。整个流程通过两个数据集（调度智能体 + 问数场景技能）串联实现，无需额外编程框架。

应用场景 #

  • 在首页入口进入知识与数据问题

使用方法 #

大模型连接已抽象化为数据源，请参考基础操作 –> 第一个AI场景

智能体开发已抽象化为数据集开发

  • 新建数据集，选择类型为：智能体，选择大模型数据源, 名称"智能问数"
请基于用户的问数需求，按如下方式回答：
msg:请判断用户的问数需求，并基于历史情况，将需求整理成不多于100字的内容
param:
- 如果是问王者荣耀相关的问题，table为"smartdemo2",name为"比赛记录"
- 如果是问客诉相关的问题，table为"smartdemo",name为"台灯客诉表"
- 如果没有相关的表请直接建意用户问什么
- 如有相关的表请严格按以下json格式回答:
{"tool":"askdata","msg":"你总结的问题","param":{"table":"表名","name":"表描述"}}

## 以下为用户的问题
$prompt
  • 新建“问数场景”数据集，类型为技能，名称为：“askdata”
dataset={
    "gpt":"smtgpt",
    "question":"$prompt",
    "table":"$table",
    "name":"$name",
    "vector":0
    ,"log":2
}
  • question: 用户问题
  • table: 目标表,视图或数据集ID
  • name: 场景描述
  • vector: 向量命中相关性最小值(0-2), 0不开启向量
  • log: 日志记录方式

如果你设定为指定的表名和表描述，你可以直接使用问数场景智能体

知识库技术 #

让大模型有记忆能力, 需要引入向量数据库查询

向量化数据库安装配置方法 7.AI应用 –> 向量数据库

智能问数配置速查 #

步骤 数据集类型 名称 作用
1 智能体（大模型数据源） 自定义（如"智能问数"） 路由智能体：判断问题属于哪张表，返回 {"tool":"askdata",...}
2 技能（同数据源） askdata 问数技能：接收表名、问题，自动生成并执行 SQL

askdata 数据集关键配置项：

字段 说明
gpt 大模型数据源名称（如 smtgpt）
question 用户问题，传入 $prompt
table 目标数据表名（由上层智能体传入）
name 表的业务描述，帮助大模型理解数据语义
vector 向量命中相关性阈值（0=不开启向量检索）
log 日志记录方式（2=详细）
Edit Edit this page