中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

TFlowAI提出了一種基于大模型的解決方案，通過理解業務、查找數據、分析處理的過程編排，實現模型自主的基于數據庫的數據查詢與分析。這種方法不僅降低了開發成本，還提升了使用體驗。

在B端的助手agent中，有一個重要的場景既數據的分析！那如何讓模型能夠理解產品的數據，理解數據結構、理解業務，準確的去數據庫中查找數據，并給他客戶展示呢？我們來看TFlowAI給出的解決方案

一、用戶現狀場景

如客服主管的Agent助手，只需一句話，Ai幫助用戶快速找到想要的數據： 如：

• 今天客服接待的滿意度咋樣？
• 用戶投訴最多的問題是那些？
• 從官網來的咨詢量有多少？滿意度怎樣？

這些數據的查找、獲取在原有產品設計中，有2個體驗不好的點：

1. 開發成本：新統計維度、數據項的增加，需要開發進行計算&編排
2. 使用體驗：數據分析維度，查看維度等等都受制于產品界面的限制；

那是否借助大模型的理解能力，來實現模型自主的基于數據庫的數據查詢與分析，生成報表，從而擺脫通過系統開發的方式實現數據的統計與分析。

二、解決方法

解決方法的設想：參考rag的面向過程編排的方法，將模型處理理解業務，查找數據，分析處理的過程通過workflow得形式編排，用大模型進行串聯處理。

1. rag的流程

1）流程

2）流程說明

1. 用戶提問向量化，index檢索相似片段
2. 通過提示詞+用戶提問+check片段 打包發給大模型
3. 模型進行解答

2. 大模型+BI的過程編排流程

1）流程設計

整個過程會經歷問題的反寫，表結構的理解，SQL的生成，SQL的執行，數據的可視化五個階段。依次講解下每個環節做什么。

（1）問題反寫：讓大模型理解query，通過提示詞，讓模型理解意圖，當前產品有關的數據維度解釋說明，計算規則等。從而將用戶的需求完整的描述處理。

• 用戶提問：官網線索轉換了是多少？
• 模型反寫：想要了解從官網注冊的用戶，最終購買產品的比例。計算規則：官網線索客戶成交數/官網線索數

（2）理解表結構：讓模型知道從那張表中獲取相關的數據。通過補充表+字段的方法，讓模型知道數據庫中有哪些表，從而推測要用到哪些表

• 比如表結構理解輸出：模型反寫：想要了解從官網注冊的用戶，最終購買產品的比例。計算規則：官網線索客戶成交數/官網線索數，要統計從線索表中篩選來源為“官網”的線索數，統計從成交訂單中篩選來源為“官網”的訂單數

（3）SQL生成：接住大模型或者txt2SQL等模型，將文本轉為可執行的SQL

（4）執行SQL：執行上一步生成的SQL，獲取其結果

（5）數據可視化：借助繪圖工具，繪制趨勢圖等圖表。同時模型對于數據進行簡單的分析說明

（6）輸出：對用戶輸出可視化的內容

整個過程的關鍵環節在于問題的反寫與表結構的理解，需要在這個環節中用提示詞給模型正確的引導，讓模型能夠理解清楚業務，以及用戶的意圖、計算邏輯。同時對于喂給大模型的內容，進行選擇性的拼接。

同時也可以考慮增加嬌艷環節，降低理解的出錯率。

3. 進階：融入Agent

更深度的應用，可以將大模型+bi的環節，變成Action事件，嵌入到已有的Agent當中

三、優勢與問題

1. 優勢

• 開發成本低：只需要數據庫增加字段，提示詞增加說明，即可滿足用戶對于數據分析的數據，開發成本大幅降低；
• 使用體驗：基于模型的理解去分析，查找數據、分析數據，實時繪圖，擺脫原有數據報表的限制，可以自定義進行深度的分析。

2. 問題

• 復雜數據的處理不確定，可能需要借助增加過程、借助agent等提高模型對復雜數據的處理；
• 存在幻覺、異常數據排查難度較大，過程黑盒無法排查！