README_CN.md

超音数（SuperSonic）

超音数是一个开箱即用且易于扩展的数据问答对话框架。通过超音数的问答对话界面，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。超音数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（指标/维度/实体的定义，以及他们的业务含义、相互间关系等），即可开启数据问答体验。与此同时，超音数被设计为可插拔式的框架，允许以插件形式来扩展新功能，或者将核心组件与其他系统集成。

项目动机

大型语言模型（LLMs）如ChatGPT的出现正在重塑信息检索的方式。在数据分析领域，学术界和工业界主要关注利用深度学习模型将自然语言查询转换为SQL查询。虽然一些工作显示出有前景的结果，但它们的可靠性还达不到生产可用的要求。

在我们看来，为了在实际场景发挥价值，有三个关键点：

1. 引入语义模型层，封装底层数据的上下文（关联、公式等），降低SQL生成的复杂度。
2. 通过一前一后的模式映射器和语义修正器，来缓解LLM常见的幻觉现象。
3. 设计启发式的规则，在一些特定场景提升语义解析的效率。

为了验证上述想法，我们开发了超音数项目，并将其应用在实际的内部产品中。与此同时，我们将超音数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

• 内置对话界面以便业务用户输入数据查询。
• 内置图形界面以便分析工程师构建语义模型。
• 内置图形界面以便系统管理员管理第三方插件和对话助理。
• 支持文本输入的联想和查询问题的推荐。
• 支持多轮对话，根据语境自动切换上下文。
• 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

超音数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

超音数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 "bin/supersonic-daemon.sh"启动服务（一个Java进程和一个Python进程）
• 在浏览器访问http://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

欢迎加入微信群反馈建议：