后端AI 应用数据分析数据可视化前端【免费下载链接】supersonicSuperSonic is the next-generation AIBI platform that unifies Chat BI (powered by LLM) and Headless BI (powered by semantic layer) paradigms.项目地址https://gitcode.com/GitHub_Trending/su/supersonic点击查看免费下载SuperSonic 是一款将Chat BI由大语言模型 LLM 驱动与Headless BI由语义层 Semantic Layer 驱动两种范式统一起来的开源 AIBI 平台。本文以仓库 README_JP.md 为主线系统讲解其设计动机、开箱即用的核心能力、六大可扩展组件以及从在线体验、Docker 部署到本地构建的完整上手路径并结合仓库源码给出可验证的实现依据帮助你快速掌握这一用自然语言查数据、用语义模型管口径的平台级解决方案。一、SuperSonic 是什么两种 BI 范式的一次统一SuperSonic 的核心定位可以概括为一句话它既是 Chat BI 平台也是 Headless BI 平台并且让两者互相增益。其关键主张是Chat BI 不再是脱离治理的裸奔 Text2SQL而是可以像传统 BI 一样访问统一、被治理过的语义数据模型同时两种 BI 范式都能从这一统中获益Chat BI 的 Text2SQL 被语义模型的上下文检索增强LLM 生成 SQL 时可以从语义模型中获取业务术语、口径定义等上下文显著降低幻觉Headless BI 的查询接口被自然语言 API 扩展语义层既可以被传统仪表盘消费也可以直接接受自然语言查询形成更开放的交互入口。在使用层面用户只需要通过Headless BI 接口构建逻辑语义模型包括指标 Metric / 维度 Dimension / 标签 Tag的定义、含义及相互关系就可以通过Chat BI 接口用自然语言查询数据并以合适的图表完成可视化。与此同时SuperSonic 采用了可扩展、可配置的架构设计允许通过Java SPI机制注册自定义实现将平台从开箱即用的产品扩展为可定制的框架。从仓库结构可以印证这一点chat/与headless/是平级的独立 Maven 模块chat/api、chat/server 与 headless/api、headless/core、headless/server并由 launchers/standalone 中的StandaloneLauncher统一装配为单体服务——这正是Chat BI Headless BI 一体部署的工程落地。二、项目动机为什么 Text2SQL 需要与语义层结合以 ChatGPT 为代表的大语言模型的出现重新定义了信息检索方式也催生了数据分析领域的新范式Chat BI。学术与工业界实现 Chat BI 的主流思路是直接借助 LLM 将自然语言转换为 SQL即Text2SQL / NL2SQL。虽然部分方案已展现出不错的效果但在大规模真实业务场景下的可靠性仍然不足。与此同时另一股新兴范式Headless BI也备受关注它通过通用语义层Universal Semantic Layer以开放 API 对外暴露一致的数据语义把口径沉淀在模型层而非应用层。SuperSonic 的核心洞察在于将 Chat BI 与 Headless BI 结合可以从两个方向显著增强 Text2SQL 生成质量降低幻觉Reduce Hallucination把数据语义业务术语、列取值等注入 prompt帮助 LLM 更准确地理解业务语义避免凭空编造字段与口径降低复杂度Reduce Complexity把高级 SQL 语法多表 Join、表达式等的生成从 LLM 下沉到语义层LLM 只需完成语义解析而非物理 SQL 生成大幅收敛出错面。正是在这一思路下SuperSonic 被开发出来并在实际产品中投入使用同时以可扩展框架的形式开源推动数据查询对话领域进一步发展。三、开箱即用的核心能力SuperSonic 在初始配置下即提供了完整可用的功能清单内置 Chat BI 界面面向业务用户直接输入自然语言查询即可获得数据与图表内置 Headless BI 界面面向分析工程师用于构建和维护语义模型内置基于规则的语义解析器Rule-based Semantic Parser在特定场景如演示、集成测试下无需调用 LLM 也能完成解析提升推理效率并降低运行成本高级交互能力输入自动补全Auto-completion、多轮对话Multi-turn Conversation、查询后的问题推荐Recommended Questions等三级数据访问控制3-Level Data Permission覆盖数据集级别Dataset、列级别Column、**行级别Row**的细粒度权限管控确保不同角色的数据可见范围。从源码可以找到这些能力的落点规则解析与查询语句生成对应 headless/core/.../translator/parser 目录下的StructQueryParser、SqlQueryParser等解析器多轮对话与推荐问题相关服务位于 chat/server三级权限控制则贯穿 chat 与 headless 两个服务端的数据访问链路。这些模块共同构成了体验完整、权限可控的初始产品形态。四、可扩展组件六大核心构建块SuperSonic 采用流水线式架构组织一次自然语言 → 可执行 SQL的查询旅程其高层架构与主流程可概括为六个可替换的组件且均可通过 SPI 机制扩展自定义实现组件职责在查询链路中的位置模型知识库Knowledge Base周期性从语义模型中抽取 Schema 信息构建字典与索引为后续 Schema 映射提供检索基础查询前Schema 映射器Schema Mapper识别用户查询中的 Schema 元素指标 / 维度 / 实体 / 取值将查询文本与知识库进行匹配查询入口语义解析器Semantic Parser理解用户查询生成语义查询语句S2SQL语义理解语义修正器Semantic Corrector校验语义查询语句的合法性必要时进行修正与优化语义校验语义翻译器Semantic Translator将语义查询语句翻译为可在物理数据模型上执行的 SQL 语句物理转换聊天插件Chat Plugin通过第三方工具扩展能力LLM 根据所有已配置插件及其功能说明、示例问题选择最合适的插件执行能力扩展其中S2SQLSuperSonic 语义查询语言是整条链路的中间产物——它比物理 SQL 更抽象屏蔽了底层表结构细节。在源码中可以看到完整的解析与翻译实现语义解析阶段由 headless/core 下的StructQueryParser、MetricExpressionParser、DimExpressionParser等负责把 S2SQL 拆解为结构化的查询意图翻译阶段则由同目录下的SqlQueryParser及 calcite 子目录如SchemaBuilder、S2SQLSqlValidatorImpl完成语义语句 → 物理 SQL的落地与校验。而Chat Plugin的工程化实现集中在 chat/serverPluginController提供插件管理的 REST 接口PluginServiceImpl负责插件的配置与调度PluginTool将插件包装为可供 LLM 调用的工具Tool。这意味着你可以在不修改核心代码的前提下通过注册新插件为对话体验接入报表、查询 API、自定义计算等外部能力。五、快速体验三种上手路径SuperSonic 提供了由浅入深的三种体验方式你可以根据自己的环境任选其一。1. 在线 Playground零成本体验直接访问在线体验地址http://117.72.46.148:9080以新用户身份注册即可体验完整功能。需要注意两点约束请勿修改系统设置服务会在每周周末定期重启以重置配置临时数据不会持久保留。2. Docker 部署一条命令拉起全栈Docker 方式适合在本地或测试环境快速部署步骤如下安装 Docker 与 docker-compose下载 docker-compose.yml 编排文件执行docker-compose up -d拉起服务浏览器打开http://localhost:9080开始探索。从仓库自带的 docker/docker-compose.yml 可以看到完整的部署拓扑它定义了两个服务——supersonic_postgres基于pgvector/pgvector:pg17的数据库映射宿主机端口15432与supersonic_standalone镜像supersonicbi/supersonic:${SUPERSONIC_VERSION:-latest}映射宿主机端口9080。standalone 服务通过S2_DB_TYPE、S2_DB_HOST、S2_DB_PORT、S2_DB_DATABASE、S2_DB_USER、S2_DB_PASSWORD一组环境变量注入数据库连接信息并配置了 CPU2 核与内存2048M资源上限同时以数据库健康检查pg_isready作为启动前置条件。如果你倾向更轻量的方式仓库还提供了两条辅助脚本assembly/bin/supersonic-docker-compose.shdocker-compose -f docker-compose.yml -p supersonic upassembly/bin/supersonic-docker-run.sh直接docker run运行supersonicbi/supersonic:latest镜像支持通过环境变量指定数据库类型S2_DB_TYPE支持h2、mysql、postgres默认使用内置 H2 数据库适合无需外部数据库的快速验证。3. 本地构建运行预编译二进制SuperSonic 自带示例语义模型与示例聊天会话可通过以下步骤在本地快速体验从**发布页Releases**下载最新预编译二进制包执行启动脚本assembly/bin/supersonic-daemon.sh start启动独立 Java 服务浏览器打开http://localhost:9080开始探索。对照 assembly/bin/supersonic-daemon.sh 的源码实现脚本实际支持start | stop | restart三种命令并会根据服务类型选择不同启动入口standalone→com.tencent.supersonic.StandaloneLauncher应用名supersonic_standalonechat→com.tencent.supersonic.ChatLauncher应用名supersonic_chatheadless→com.tencent.supersonic.HeadlessLauncher应用名supersonic_headless。启动时通过-Dspring.profiles.active$profile激活配置环境profile 默认取自S2_DB_TYPE即按数据库类型加载对应配置。内存参数为-Xms1024m -Xmx2048m并启用了 ZGC-XX:UseZGC -XX:ZGenerational以降低大堆场景下的停顿。如需接入自有数据库可在 assembly/bin/supersonic-env.sh 中通过S2_DB_TYPE支持h2、mysql、postgres以及S2_DB_HOST、S2_DB_PORT、S2_DB_USER、S2_DB_PASSWORD、S2_DB_DATABASE等环境变量完成配置——这与 Docker 方式的数据库参数一一对应两套部署路径共享同一套配置语义。注意本地构建运行方式要求本机已具备 JDK 运行环境脚本会优先使用JAVA_HOME并在缺失时尝试探测/usr/jdk64/jdk*。H2 配置适合零依赖快速试用正式环境建议使用 MySQL 或 PostgreSQL 保证数据持久化。六、构建与二次开发对于希望从源码构建、二次开发的读者仓库提供了多模块 Maven 工程结构根 pom.xml与 Docker 镜像构建文件docker/Dockerfile、docker/DockerfileS2。项目采用 Java SPI 作为扩展机制因此自定义组件如新的语义解析器、新的 Schema 映射器、新的聊天插件都可以通过标准 SPI 声明注册而无需改动平台核心。前端方面Web 界面位于 webapp/packages 下supersonic-fe为面向管理端的完整 Web 应用chat-sdk为可独立嵌入的聊天 SDK两者均可单独构建并接入后端服务。完整的源码编译与部署步骤可参考项目官方部署文档见 README_JP.md 中ビルドと開発章节所指向的官方文档链接。七、小结SuperSonic 的价值不在于又一个 Text2SQL 工具而在于它把**语义治理Headless BI与自然语言交互Chat BI**放到同一平台中形成闭环语义层为 LLM 提供可信的上下文LLM 为语义层提供更自然的入口。通过六大可扩展组件与 Java SPI 机制它既可以直接部署体验在线 Playground、Docker、预编译二进制三种方式也可以作为可插拔框架融入企业现有的数据基础设施。无论你是业务用户、分析工程师还是平台开发者都可以从本文的架构解析与部署路径中找到适合自己的切入方式并进一步深入 headless/core 与 chat/server 的源码理解 S2SQL 从生成、校验到翻译为物理 SQL 的完整链路。赞分享后端AI 应用数据分析数据可视化前端【免费下载链接】supersonicSuperSonic is the next-generation AIBI platform that unifies Chat BI (powered by LLM) and Headless BI (powered by semantic layer) paradigms.项目地址https://gitcode.com/GitHub_Trending/su/supersonic点击查看免费下载相关推荐SuperSonic 深度解析融合 Chat BI 与 Headless BI 的新一代 AIBI 平台SuperSonic 深度解析融合 Chat BI 与 Headless BI 的新一代 AIBI 平台 SuperSonic 是腾讯开源的下一代 AIB后端AI 应用数据分析数据可视化前端SuperSonic 前端工程 supersonic-fe 开发与构建指南基于 Ant Design Pro / UmiJS Max 的 AIBI 管理控制台SuperSonic 前端工程 supersonic fe 开发与构建指南基于 Ant Design Pro / UmiJS Max 的 AIBI 管理控制后端AI 应用数据分析数据可视化前端SuperSonic大规模应用案例企业级Chat BI的成功实践SuperSonic大规模应用案例企业级Chat BI的成功实践 SuperSonic作为新一代AI驱动的数据分析平台在企业级Chat BI领域展现了强大的后端AI 应用数据分析数据可视化前端上一篇微信网页版终极解决方案wechat-need-web插件完整使用指南下一篇如何在8种语言中实现专业级语音合成Kokoro TTS完整技术指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考