ChatBI 学习

参考：从0到1拆解FreeWheel ChatBI：大模型如何重塑视频广告智能数据分析新生态-腾讯云开发者社区-腾讯云

• 智能追问与多轮对话：通过引入 HITL（Human-in-the-Loop 人在回环）机制，面对模糊提问时主动追问澄清意图；支持多轮对话，能够准确理解上下文，持续、连贯地推进数据分析。
• 交互式数据分析：用户经常会问某个指标有没有异常，异常发生的原因（如“为什么 XXX 业务昨天的曝光量下降了？”- Why did the impressions for network XXX decline yesterday?），或者希望下钻到某一个维度（如“是哪个站点导致的问题？” - Which site cause the issue?），又或者仅仅是查询跟某指标变化相关的指标，依托 LLM 的推理能力和外部算法库，快速定位数据，执行统计分析、异常检测、根因排查等任务，并提供优化建议，为决策提供及时有力的数据支持。本文第四章重点介绍数据分析。

2. 引入术语体系与知识库

针对业务术语、行业黑话及关键指标，我们分为两部分处理：

• 高频术语与常用黑话：作为 System Prompt 的一部分，直接提供给 LLM；
• 全量术语、数据指标等复杂知识资产：构建在向量数据库中，通过 RAG 机制动态检索，辅助模型理解更细节的问题。

关键词提取

理解了用户意图之后，对业务问题的进一步理解就是能够对问题进行结构化表达，我们把这一步叫做关键词提取。系统会精准识别用户表达中的关键信息，提取包括维度、查询指标、过滤条件、时间区间、时区等关键词。同时，为了解决指标别名或同义问题，我们将上述业务知识嵌入到提示词中，提升 LLM 对业务语义的