https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/ Recent content on Smartchart开发手册 Hugo -- gohugo.io https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/%E6%99%BA%E8%83%BD%E8%BE%85%E5%8A%A9%E5%BC%80%E5%8F%91/ Mon, 01 Jan 0001 00:00:00 +0000 https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/%E6%99%BA%E8%83%BD%E8%BE%85%E5%8A%A9%E5%BC%80%E5%8F%91/ 简介 # SmartChart 已将 AI 能力深度集成到数据集开发、图形配置、模板开发等所有主要开发界面。你可以用自然语言描述需求，AI 直接生成 SQL、ECharts 配置或 HTML 代码，极大提升开发效率。 应用场景 # 用自然语言生成 SQL 查询 用描述生成 ECharts 图形配置 智能问答式数据分析 前提条件 # AI 开发功能依赖名为 smtgpt 的模型数据源。使用前请确认已在数据源管理中创建该连接（参考「第一个AI场景」中的配置方法）。 使用方法 # 开发将调用数据源smtgpt的模型能力，所以在使用前请确定名为smtgpt的模型数据源已建立 在模板/数据集开发/容器开发/图形开发中都可以找到如下图标, 输入你的问题, 选中后点即可生成, 如果你需要要数据集中进行数据问答, 可以选中一段sql或表名后点击菜单"工具"–>“GPT场景”,即可开启 AI 辅助开发的使用技巧 # 场景 操作 示例提示词 生成 SQL 在数据集编辑器中输入描述 “查询每个省份的销售额，按降序排列” 生成图形 在图形编辑器中输入描述 “帮我把这个数据做成带数值标签的柱状图” 修改配置 选中已有配置后描述修改 “把颜色改为蓝色系，字体大小改为14” 数据问答 选中表名，点击 GPT 场景 “这张表中最近7天的日均销售额是多少” 提示词越具体，生成质量越高。建议描述中包含：表名/字段名、指标计算方式、展示形式等关键信息。 https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/%E6%99%BA%E8%83%BD%E4%BD%93%E5%BC%80%E5%8F%91/ Mon, 01 Jan 0001 00:00:00 +0000 https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/%E6%99%BA%E8%83%BD%E4%BD%93%E5%BC%80%E5%8F%91/ 简介 # SmartChart 的智能体（Agent）基于大模型+工具调用机制构建。智能体可以识别用户意图，自动决定调用哪个工具（SQL查询、数据写入、其他智能体等），从而实现复杂的对话式业务流程，如报工、填报、审核等。 应用场景 # 智能体应用 智能体核心机制 # SmartChart 智能体通过以下约定实现工具路由： 返回格式 含义 {"tool":"local","sql":"..."} 执行本地 SQL 查询 {"tool":"智能体名","msg":"..."} 调用另一个智能体 {"tool":"智能体名","msg":"...","param":{...}} 带参数调用智能体 普通文本 直接回复用户 使用方法 # 数据集(智能体)新建时，选择智能体 比如我们新建一个名为的"AI生产主管"智能体 ### **角色说明：** 你是一名专业的车间主管，负责接收并处理生产线员工的报工信息。 ### **处理规则：** #### **场景1：涉及问数需求（如查询数据）** - 若员工提出的问题涉及数据查询，请按以下格式回复： {"tool":"local","sql":"你的SQL语句"} > 数据存放在表ai_production_report #### **场景2：涉及生产报事报工问题** - 需要员工提供以下三类信息： - 报工内容（如：设备故障、异常、物料问题等） - 线别（如：A线、B线、C线等） - 数量（已生产的数量） - **若信息不完整**，请直接提示员工补充缺失的信息。 - **若信息完整**，让员工确认。 - **当员工确认无误后**，请按json格式回复： {"tool":"报工","msg":"报工","param":{"内容":"xx","线别":"xx","数量":"x"}} > 注意：数量必须为数值类型，如：2.5，不要写成字符串。 ### **示例：** #### 员工输入： > A线设备故障，报工2台。 #### 系统回复： 准备提交报工单，报工内容是：设备故障，线别：A线，数量：2， 请确认。 #### 员工确认后回复： {"tool":"报工","msg":"报工","param":{"内容":"设备故障","线别":"A线","数量":"2"} ### 下面是历史记录及员工的问题： $prompt 新建一个数据集为"报工",将数据写入表 insert into ai_production_report(线别,内容,数量,updater)values('$线别','$内容','$数量','$username') https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/%E6%99%BA%E8%83%BD%E4%BD%93%E7%BC%96%E6%8E%92/ Mon, 01 Jan 0001 00:00:00 +0000 https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/%E6%99%BA%E8%83%BD%E4%BD%93%E7%BC%96%E6%8E%92/ 简介 # 智能体编排是 SmartChart 中处理多步骤、多工具协作复杂 AI 场景的能力。通过 Python 数据集，你可以像写脚本一样串联多个智能体、大模型调用、数据库查询和数据写入，实现完整的 AI 业务流程。 应用场景 # 打通大模型+数据+图形+表单+触达 需要进行复杂的逻辑流程 以发票审核为例 关键函数说明 # 你可以在python数据集中调用以下函数： 数据读取函数 # # 通过数据源连接名称及SQL语句获取ds数据集 ds_sql(conn_name, sql) # 可读取任意文件或网页 ds_read(文件名或网页地址, encoding="utf-8", clean=True, max_length=None, as_base64=False, selector='') # 当selector不为空时，如body，则会调用浏览器获取数据 # 将markdown写入word ds_save_doc(markdown字符串, 文件名) 数据写入函数 # # 将数据写入数据源 ds_save(config, content, update=0) # config: {'conn':'连接名','table':'表名(字段,..)'} # content: 字典或二维数组 # 成功返回 {'status':200,'msg':'success'} 大模型调用函数 # # 获取大模型生成的结果 ds_gpt(conn_name, prompt, system='', stream=False, his='', tool=False, remark={}, files='') # system: 系统提示词 # stream: 开启流式输出 # his: 历史记录 # tool: 是否输出工具调用意图（True时返回 {'tool':. https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93/ Mon, 01 Jan 0001 00:00:00 +0000 https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93/ 简介 # SmartChart 支持向量数据库集成，通过将文本转化为向量并存储，实现基于语义的知识检索（RAG）。这是构建企业私有知识库和智能问答机器人的核心技术。SmartChart 支持 PostgreSQL + pgvector 方案，也支持 StarRocks 向量化方案（企业级）。配置完成后，在 Python 数据集中即可通过语义查询找到最相关的知识片段，再传给大模型生成准确回答。 应用场景 # 知识管理 向量数据库安装 # 以Linux安装PostgresSQL为例 源码安装 tar -zxvf postgresql-15.4.tar.gz cd postgresql-15.4 ./configure --prefix=/usr/local/postgresql 在执行./configure的时候报错：configure: error: readline library not found 解决方法：yum install -y readline-devel 报错：configure: error: zlib library not found 解决方法：yum install zlib-devel sudo make && sudo make install mkdir /usr/local/postgresql/data mkdir /usr/local/postgresql/log vim /ect/profile export PGHOME=/usr/local/postgresql export PGDATA=/usr/local/postgresql/data export PGHOST=/tmp export PATH=$PATH:$PGHOME/bin source /etc/profile useradd postgres chown -R postgres:root /usr/local/postgresql su postgres /usr/local/postgresql/bin/initdb -D /usr/local/postgresql/data/ vim /usr/local/postgresql/data/postgresql.