中文版 | 日本語版 | 文档

SuperSonic

SuperSonic 是下一代 AI+BI 平台，它统一了由大语言模型驱动的 Chat BI 和由语义层驱动的 Headless BI 两种范式。这种统一确保了 Chat BI 能够访问与传统 BI 相同的、经过精心策划和治理的语义数据模型。此外，这两种范式的实现相辅相成：

• Chat BI 的 Text2SQL 功能通过从语义模型中检索上下文信息得到增强。
• Headless BI 的查询接口则通过自然语言 API 得到扩展。

SuperSonic 提供了一个 Chat BI 界面，使用户能够使用自然语言查询数据，并以合适的图表可视化结果。为了实现这样的体验，唯一需要做的就是通过 Headless BI 界面 构建逻辑语义模型（包括指标/维度/标签的定义及其含义和关系）。同时，SuperSonic 被设计为可扩展和可组合的，允许通过 Java SPI 添加和配置自定义实现。

动机

像 ChatGPT 这样的大型语言模型（LLM）的出现正在重塑信息检索的方式，从而在数据分析领域催生了一种称为 Chat BI 的新范式。为了实现 Chat BI，学术界和工业界主要集中在利用 LLM 将自然语言转换为 SQL，通常被称为 Text2SQL 或 NL2SQL。尽管一些方法显示出有希望的结果，但其 可靠性 在大规模实际应用中仍有不足。

与此同时，另一种新兴的范式——Headless BI，专注于构建统一的语义数据模型，也引起了广泛关注。Headless BI 是通过一个通用的语义层来实现的，该层通过开放的 API 暴露一致的数据语义。

从我们的角度来看，将 Chat BI 和 Headless BI 集成起来，有望在两个方面提升 Text2SQL 的生成效果：

1. 将数据语义（如业务术语、列值等）纳入提示中，使 LLM 更好地理解语义，从而 减少幻觉现象。
2. 将高级 SQL 语法的生成（如 join、公式等）从 LLM 转移到语义层，以 降低复杂性。

基于这些想法，我们开发了 SuperSonic 作为实际的参考实现，并用它来支持我们的真实世界产品。此外，为了促进进一步的开发，我们决定将 SuperSonic 开源为一个可扩展的框架。

开箱即用的功能

• 内置 Chat BI 界面，供 业务用户 输入自然语言查询
• 内置 Headless BI 界面，供 分析工程师 构建语义数据模型
• 内置基于规则的语义解析器，在某些场景下（如演示、集成测试）提高效率
• 内置输入自动补全、多轮对话以及查询后推荐功能
• 内置三级数据访问控制：数据集级、列级和行级

可扩展组件

高层架构和主要流程如下：

• 知识库： 定期从语义模型中提取模式信息，并构建字典和索引，以方便模式映射。
• 模式映射器： 识别用户查询中对模式元素（指标/维度/实体/值）的引用。它会将查询文本与知识库进行匹配。
• 语义解析器： 理解用户查询并生成语义查询语句。它由基于规则和基于 LLM 的解析器组成，各自处理特定场景。
• 语义校正器： 检查语义查询语句的有效性，并在必要时进行校正。它由基于规则和基于 LLM 的校正器组成，各自处理特定场景。
• 语义翻译器： 将语义查询语句转换为可在物理数据模型上执行的 SQL 语句。
• 聊天插件： 通过第三方工具扩展功能。给定一组带有描述和示例问题的已配置插件，LLM 将被用来选择最合适的插件。
• 聊天记忆： 封装了一系列历史查询轨迹，可供调用以支持少样本提示。

快速演示

在线 playground

访问 http://117.72.46.148:9080 注册并以新用户身份体验。请勿修改系统配置。我们将在每个周末定期重启以重置配置。

Docker 部署

• 安装 Docker 和 docker-compose。
• 下载 docker-compose.yml 文件；执行命令：wget https://raw.githubusercontent.com/tencentmusic/supersonic/master/docker/docker-compose.yml。
• 执行 "docker-compose up -d"。
• 打开浏览器并访问 http://localhost:9080 开始探索。

本地构建

SuperSonic 附带示例语义模型以及可用作起点的聊天对话。请按照以下步骤操作：

• 从 发布页面 下载最新的预编译二进制文件。
• 运行脚本 "assembly/bin/supersonic-daemon.sh start" 启动一个独立的 Java 服务。
• 在浏览器中访问 http://localhost:9080 开始探索。

构建与开发

请参阅项目 文档。

微信联系方式

请关注 SuperSonic 微信公众号：

SuperSonic 快速上手指南

SuperSonic 是下一代 AI+BI 平台，融合了 Chat BI（基于大语言模型）和 Headless BI（基于语义层）两种范式。它允许业务用户通过自然语言查询数据并可视化结果，同时让分析工程师构建统一的语义数据模型。

环境准备

在开始之前，请确保您的环境满足以下要求：

• 操作系统：Linux, macOS 或 Windows (需安装 WSL2 或兼容的 Shell 环境)
• 容器化部署（推荐）：
  • Docker Engine
  • Docker Compose
• 本地构建部署：
  • JDK 17 或更高版本
  • Maven 3.6+ (如需从源码编译)
  • Git

安装步骤

您可以选择以下两种方式之一进行快速体验。

方式一：Docker 部署（推荐，最快上手）

此方式无需配置 Java 环境，一键启动包含示例数据的服务。

1. 下载编排文件 在项目根目录或任意工作目录下执行：

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

   (注：如果下载速度慢，可手动访问该 URL 保存为 docker-compose.yml)

2. 启动服务

   docker-compose up -d
   

3. 访问界面 等待服务启动完成后，在浏览器中访问：

   http://localhost:9080
   

方式二：本地二进制运行

如果您希望直接运行预编译包：

1. 下载发布包 前往 Release 页面 下载最新的预构建二进制包并解压。

2. 启动服务 进入解压后的目录，执行启动脚本：

   assembly/bin/supersonic-daemon.sh start
   

3. 访问界面 在浏览器中访问：

   http://localhost:9080
   

基本使用

启动成功后，系统将内置示例语义模型和对话数据，您可以立即体验“自然语言查数”功能。

1. 注册/登录 打开浏览器访问 http://localhost:9080，注册一个新账号并登录（Docker 部署环境下通常支持直接注册）。

2. 进入 Chat BI 界面 登录后默认进入对话界面。您会看到预设的示例数据集（如音乐榜单、艺人数据等）。

3. 尝试自然语言查询 在输入框中直接使用中文提问，例如：

   • “过去一周最火的歌曲是哪首？”
   • “展示周杰伦所有歌曲的播放量趋势图”
   • “比较不同歌手的平均评分”

   系统会自动解析语义、生成 SQL 并返回对应的图表或数据表格。

4. 构建语义模型（进阶） 点击侧边栏进入 Headless BI 界面，分析工程师可以在此定义指标（Metric）、维度（Dimension）和标签（Tag），建立业务术语与数据库字段的映射关系，从而增强 Chat BI 的理解能力和准确性。

提示：Docker 在线演示环境会在每周末重置配置，请勿在生产数据中进行测试。