AI问数架构supersonic简介

Supersonic 定位

Supersonic 是一款融合 Chat BI（由大语言模型 LLM 驱动） 和 Headless BI（由语义层驱动） 的新一代 BI 平台。其核心价值在于：

1. 让 Chat BI 能像传统 BI 一样访问统一治理的语义数据模型，提升自然语言转 SQL（Text2SQL）的可靠性；
2. 通过语义层增强 Text2SQL（减少幻觉和复杂度），同时为 Headless BI 扩展自然语言 API 能力；
3. 提供可扩展、可配置的框架，支持通过 Java SPI 机制添加自定义实现。

整体技术架构

Supersonic 的架构以 “语义层” 为核心纽带，连接 Chat BI 和 Headless BI 两大范式，整体流程围绕 “用户自然语言查询→语义解析→SQL 生成→数据查询→结果可视化” 展开。关键架构升级包括：

• 核心框架：基于 SpringBoot 3.x 构建，依赖 LangChain4j 等工具，支持 Swagger 接口文档；
• 扩展性：采用 Java SPI 机制，允许自定义组件实现；
• 多数据库支持：兼容 Oracle、StarRocks、SAP HANA、DuckDB、Kyuubi 等多种数据引擎；
• 性能优化：通过 GC 优化（Generational ZGC）、并行处理、Docker 镜像体积缩减等提升系统效率。

核心组件及功能

1. 模型知识库（Knowledge Base）

   • 定期从语义模型中提取 schema 信息（如指标、维度、实体等），构建词典和索引；
   • 为后续的模式映射和语义解析提供基础数据支持，确保 LLM 能理解业务语义。

2. 模式映射器（Schema Mapper）

   • 识别用户查询中的 schema 元素（指标、维度、实体、值等）；
   • 将查询文本与知识库匹配，为语义解析提供上下文关联。

3. 语义解析器（Semantic Parser）

   • 理解用户自然语言查询，抽取语义信息并生成语义查询语句 S2SQL；
   • 结合规则引擎和 LLM，针对不同场景（如演示、测试）优化解析效率。

4. 语义修正器（Semantic Corrector）

   • 检查 S2SQL 的合法性，对不合法内容进行修正和优化；
   • 结合规则校验和 LLM 能力，提升语义查询的准确性。

5. 语义翻译器（Semantic Translator）

   • 将语义查询语句 S2SQL 转换为可在物理数据模型上执行的 SQL 语句；
   • 适配多数据库语法，确保 SQL 兼容性。

6. 问答插件（Chat Plugin）

   • 通过第三方工具扩展功能（如集成外部 API）；
   • 基于 LLM 自动选择最适合的插件处理用户查询（需提供插件功能描述和示例问题）。

7. 问答记忆（Chat Memory）

   • 存储历史查询轨迹，支持多轮对话；
   • 可召回历史记录作为 few-shot 样例嵌入提示词，提升 LLM 的理解能力。

关键特性

• 开箱即用：内置 Chat BI 界面（供业务用户查询）和 Headless BI 界面（供分析师构建语义模型）；
• 高级功能：支持输入联想、多轮对话、查询后问题推荐；
• 权限控制：支持数据集级、列级、行级三级数据访问控制；
• 可扩展性：通过插件机制和 SPI 框架，支持定制化功能开发。