Skip to content

SYSTEM ENGINE · AI DATA ANALYSIS

用自然语言,
读懂真实业务数据

业务人员直接询问客户、合同、跟进、售后或设备数据。吾码先校验当前身份与数据权限,再检索相关 Schema、生成并执行只读查询,最后把数据整理成结论、指标、异常和改进建议。

ASKSCHEMASQLINSIGHT权限先于分析OsClient · DiyToken · Role Policy · Read Only
01不用先写 SQL

用业务语言提问,继续追问口径、原因、趋势和改进动作。

02查询当前数据

分析请求发生时才读取当前租户数据库,不把业务明细预复制到向量库。

03权限全程生效

候选表、SQL 校验和执行结果都受当前用户、角色与租户边界约束。

三个真实移动端预览 ​

下面三张为实际业务中的原始截图,依次展示经营概览、销售活跃度与客户跟进分析。桌面端每行固定三列,可点击任意图片查看原图;窄屏自动改为单列,避免压缩文字。

原图说明

三张图片均按上传文件的原始字节发布,没有裁剪、重绘或二次压缩。截图用于展示产品能力;其中的业务名称与数据不作为通用培训口径。

它能分析什么 ​

经营概览

客户总量、目标客户、合同订单、金额、售后与设备等跨模块指标。

客户与销售

区域分布、客户类型、销售活跃度、关键人触达与跟进阶段。

执行质量

延期任务、异常状态、长时间未跟进记录与渠道结构偏差。

行动建议

基于已查询事实给出优先级、关注对象和下一步核查方向。

可以从一句宽泛问题开始,再逐步缩小范围:

  • “总结本月经营数据,先给三条核心结论。”
  • “哪些客户已经有合同,但近 30 天没有跟进?”
  • “比较各区域销售人员的跟进活跃度,并解释口径。”
  • “找出即将到期的售后任务,只返回我有权查看的数据。”

默认结果以自然语言回答、经过校验的 SQL 与最多 100 行数据表格为主。若需要固定经营看板或图表,应把稳定指标继续交给报表引擎或界面引擎配置;不能把一次对话结果误当成已经发布的正式报表。

从一个问题到可靠结论 ​

01

绑定身份

从服务端登录态确认 OsClient、当前用户、角色和权限,拒绝客户端覆盖。

02

理解问题

识别业务实体、时间范围、指标口径和需要继续澄清的条件。

03

检索 Schema

只在有权访问的表字段中做关键词检索,并从低代码元数据精确回读。

04

生成与校验

生成单条只读 SELECT,检查来源表、危险语法、行数上限和执行超时。

05

实时执行

在当前租户数据库查询最新业务数据,结构索引本身不保存业务行。

06

解释与追问

输出结论、指标、异常和建议,并允许围绕同一上下文继续下钻。

权限、安全与可信边界 ​

边界平台行为培训时要强调
租户隔离服务端绑定当前 OsClient,Schema、缓存与数据库按租户隔离页面传参不能切换到其它租户
表权限候选表必须同时通过 AI 角色策略与 FormEngine 读取权限未授权表不会进入提示词或查询
行级范围通用 NL2SQL 不尝试猜测复杂菜单 SqlWhere / SqlJoin需要部门、本人等范围时改用审核后的业务接口
SQL 门禁只允许单条只读 SELECT,拒绝写操作、多语句和危险来源AI 生成不等于直接执行,必须先过服务端校验
数据规模服务端限制最大行数和数据库命令超时大范围分析应先聚合,再按条件下钻
输出事实回答来自本次查询结果;模型推断应与已查询事实分开表达关键经营决策仍需核对原始数据与口径

数据不会先被“喂给”向量数据库

默认链路使用大模型关键词扩展、权限感知 Schema 搜索和精确字段回读。Redis 与可选 Qdrant 只保存表字段等结构信息,订单、客户、金额等业务行仍在每次请求时从当前租户数据库实时查询。

独立培训建议 ​

一节 35~45 分钟的 AI 数据分析培训可按下面顺序现场完成:

  1. 用“本月经营概览”演示从宽问题到核心结论。
  2. 展开 SQL 与数据表,核对来源表、时间范围和指标口径。
  3. 继续追问销售活跃度或客户跟进质量,观察上下文承接。
  4. 切换不同角色,验证未授权表和数据范围不能被问题绕过。
  5. 将一个稳定指标交给报表或界面引擎,说明对话分析与正式看板的边界。

更完整的模型路由、Schema 缓存、NL2SQL 安全校验和部署参数,继续查阅 AI 引擎与 Microi.AI 中转站。

MIT License.