README_CN.md

SuperSonic

SuperSonic融合Chat BI（powered by LLM）和Headless BI（powered by 语义层）打造新一代的BI平台。这种融合确保了Chat BI能够与传统BI一样访问统一化治理的语义数据模型。此外，两种BI新范式都从中获得收益：

• Chat BI的Text2SQL生成通过检索语义数据模型得到增强。
• Headless BI的查询接口通过支持自然语言API得到拓展。

通过SuperSonic的问答对话界面，用户能够使用自然语言查询数据，系统会选择合适的可视化图表呈现结果。SuperSonic不需要修改或复制数据，只需要在物理数据模型之上构建逻辑语义模型（定义指标/维度/实体/标签，以及它们的业务含义、相互关系等），即可开启数据问答体验。与此同时，SuperSonic被设计为可插拔的框架，采用Java SPI机制来扩展定制功能。

项目动机

大型语言模型（LLM）如ChatGPT的出现正在重塑信息检索的方式，引领数据分析领域的一种新范式，被称为Chat BI。为了实现Chat BI，学术界和工业界主要关注利用LLM的能力将自然语言转换为SQL，通常称为Text2SQL或NL2SQL。尽管一些方法显示出有希望的结果，但它们在大规模实际应用中的可靠性还不足。

与此同时，另一种新兴范式被称为Headless BI，它专注于构建统一的语义数据模型，并引起了广泛的关注。Headless BI通过一个通用的语义层来实现，通过开放的API公开一致的数据语义。

从我们的角度来看，Chat BI和Headless BI的融合有潜力在两个方面增强Text2SQL的能力：

1. 将数据语义（如业务术语、列值等）纳入提示词中，使LLM能够更好地理解语义，以减少幻觉。
2. 将高级SQL语法（如连接、公式等）的生成从LLM卸载到语义层，以减少复杂度。

为了验证上述想法，我们开发了SuperSonic项目，并将其应用在实际的内部产品中。与此同时，我们将SuperSonic作为一个可扩展的框架开源，希望能够促进数据问答对话领域的进一步发展。

开箱即用的特性

• 内置Chat BI界面以便业务用户输入数据查询。
• 内置Headless BI界面以便分析工程师构建语义模型。
• 内置基于规则的语义解析器，在特定场景可以提升运行效率。
• 支持文本输入的联想和查询问题的推荐。
• 支持四级权限控制：主题域级、模型级、列级、行级。

易于扩展的组件

SuperSonic的整体架构和主流程如下图所示：

• 模型知识库(Knowledge Base)： 定期从语义模型中提取相关的模式信息，构建词典和索引，以便后续的模式映射。

• 模式映射器(Schema Mapper)： 将自然语言文本在知识库中进行匹配，为后续的语义解析提供相关信息。

• 语义解析器(Semantic Parser)： 理解用户查询并抽取语义信息，其由一组基于规则和基于模型的解析器组成，每个解析器可应对不同的特定场景。

• 语义修正器(Semantic Corrector)： 检查语义信息的合法性，对不合法的信息做修正和优化处理。

• 语义解释器(Semantic Interpreter)： 根据语义信息生成物理SQL执行查询。

• 问答插件(Chat Plugin)： 通过第三方工具扩展功能。给定所有配置的插件及其功能描述和示例问题，大语言模型将选择最合适的插件。

快速体验

SuperSonic自带样例的语义模型和问答对话，只需以下三步即可快速体验：

• 从release page下载预先构建好的发行包
• 运行 "assembly/bin/supersonic-daemon.sh start"启动standalone模式的Java服务
• 在浏览器访问https://localhost:9080 开启探索

如何构建和部署

请参考项目wiki。

微信联系方式

欢迎关注微信公众号：