探索SuperSonic：引领AI + BI新时代的超级平台

SuperSonic是一款新一代AI + BI平台，通过融合Chat BI与Headless BI两大范式，结合大语言模型（LLM）和语义层技术，提供自然语言交互、低门槛数据分析及高效数据查询与可视化功能，引领数据分析新范式。

• 自然语言查询与可视化SuperSonic通过Chat BI接口支持用户以自然语言输入查询需求，系统自动生成可视化图表（如柱状图、折线图等），无需编写SQL代码。例如，用户输入“显示去年各季度销售额”，系统即可生成对应图表。

  
  其底层依赖Headless BI接口构建的逻辑语义模型，该模型定义了度量（如销售额）、维度（如时间、地区）及标签的关联关系，确保数据语义的一致性。

• Chat BI与Headless BI的融合

  Chat BI：利用LLM将自然语言转换为语义查询，但直接生成SQL易受歧义影响（如“高销售额”的阈值）。

  Headless BI：通过统一语义层抽象数据结构，以开放API暴露数据语义，减少对具体数据库的依赖。SuperSonic将两者结合，通过语义层预定义业务术语（如“高销售额”对应具体数值范围），降低LLM的幻觉风险，同时将复杂SQL生成任务交由语义层处理，提升查询准确性。

• 开箱即用的功能

  输入优化：支持自动补全、多轮对话（如追问“哪个地区贡献最大？”）及查询后推荐（如“是否需要分析同比变化？”）。

  数据访问控制：提供三层权限管理（数据集、列级、行级），确保敏感数据（如用户隐私）的安全性。

  规则式语义解析器：在演示或集成测试等场景中，通过预定义规则快速解析查询，提升响应速度。

SuperSonic采用模块化设计，核心组件包括：

• 知识库：从语义模型中提取模式信息（如表结构、字段含义），构建字典和索引以支持模式映射。
• 模式映射器：识别用户查询中的业务术语（如“销售额”），并将其映射到数据库中的具体字段。
• 语义解析器：结合规则式和LLM式解析器，处理简单查询（如“总销售额”）时优先使用规则，复杂查询（如“按地区分组的季度趋势”）则调用LLM。
• 语义校正器：验证生成的语义查询是否符合业务逻辑（如时间范围是否合理），并在必要时修正。
• 语义翻译器：将语义查询转换为可执行的SQL，支持复杂语法（如子查询、窗口函数）。
• 聊天插件：通过扩展插件实现特定功能（如集成外部API获取实时数据）。
• 聊天记忆：存储历史查询上下文，支持少样本提示（如用户之前查询过“2023年数据”，后续查询默认沿用该时间范围）。

• 在线体验访问官方演示平台，注册后即可使用预置的语义模型和示例数据（如电商销售数据）进行查询，无需本地配置。

• Docker快速部署

  安装Docker和docker-compose。

  下载配置文件：

  wget
  https://raw.githubusercontent.com/tencentmusic/supersonic/master/docker/docker-compose.yml

  启动服务：

  docker-compose up -d

  访问

  http://localhost:9080
  ，使用示例数据探索功能。

• 本地构建

  下载最新预建二进制文件（如supersonic-1.0.0.tar.gz）。

  解压后运行启动脚本：

  assembly/bin/supersonic-daemon.sh start

  访问

  http://localhost:9080
  ，上传自定义数据集（支持CSV、Excel格式）进行分析。

• 开发文档项目提供详细的API文档和开发指南，支持通过Java SPI自定义组件（如替换语义解析器为特定领域的模型）。

• 同类项目推荐

  Metabase：开源BI工具，适合中小企业快速生成报告，但缺乏自然语言交互能力。

  Apache Superset：企业级可视化平台，支持复杂仪表盘，但需手动编写SQL或使用拖拽界面。

  Google Data Studio：无缝集成谷歌生态（如Google Analytics），但扩展性受限（依赖谷歌数据源）。

SuperSonic的优势在于自然语言交互的便捷性与语义层的灵活性，尤其适合非技术用户快速分析数据，同时通过组件化架构满足企业定制化需求。