用户操作手册
用户操作手册
用户登录界面之后，首先看到下面的界面
接下来我们主要介绍一下，每个页面的具体功能
这个页面是进行数据查询的主页面，用户可以输入问题，然后得到相关的回答
但是在左侧有一些配置，我们来解释一下，每个选项的含义
- Data Profile
选择自己的创建的Data Profile
- Choose your model
选择不同的模型
- Using RAG from Q/A Embedding
使用RAG进行知识检索增强
- Visualize Results
生成SQL之后，执行查询功能，然后可视化
- Intent NER
如果选择该配置，会对query进行意图识别和实体识别
判断用户的意图，具体的意图有拒绝意图，知识库查询意图，数据查询意图，复杂问题思维链意图
目前知识库查询意图是通过PE来实现的，后续会进行更新
- Agent COT
如果选择该配置，会对复杂的问题进行任务的拆分，比如问题是：为什么销量下降等问题，需要归因分析等问题
如果Intent NER和Agent COT，都不选择，默认的功能是只能生成SQL
- Explain Generation Process
如果选择该选项，会在最终页面显示，SQL生成的解释
- Generate Suggested Questions
如果选择改选项，会在最后提供大模型的建议问题
这个页面主要配置数据库连接
这个页面主要创建data proflie，设置data proflie name，然后选择数据库连接，然后选择，需要用到的table表
点击create data proflie
刷新这个页面
然后点击Fetch table definition，这一步主要是生成data table的schema，然后存储到DynameDB
主要是对，table schema 的说明，对数据表添加一些注释和说明，提供更多的说明，来帮助大语言模型来理解数据表的结构
下面这三个页面，主要是属于知识检索的范围，分别检索实体，样本问题和SQL，复杂问题分析思路
实体检索，需要打开，意图识别和实体识别选项
这块的主要目的是，对于问题中的一些实体，LLM缺乏相关的理解，包括选哪个列，在where条件中，使用什么值等，或者具体的公式如何计算，所以需要增加实体信息检索
这个实体，可以是实体的名词，带有相关的业务知识（某个实体在哪个表，具体的value是什么），或者是具体的公式
环比：环比增长率=（本期数－上期数）／上期数×100%
希尔顿：在holtel表中，hotel_name列，具体的值是HILTON
样例问题和SQL的检索，需要打开，Using RAG from Q/A Embedding选项，主要检索相似的问题和答案，来使用few-shot，来提升大模型的推理能力
对于一些比较复杂的问题，或者大模型回答不正确的问题，可以在这里添加样例问题和SQL
复杂业务问题，分析思路检索，对于一些复杂的问题，大模型缺乏相关的业务经验，比如：帮我分析商品的销量情况，大模型在缺乏业务经验的情况下，无法很好的完成分析任务，所以需要增加相关的分析思路
比如：帮我分析商品的销量情况
{
'task_1': '分析商品的总销售量和总销售收入',
'task_2': '分析不同类别商品的销售情况',
'task_3': '分析促销商品和非促销商品的销售对比'
}
针对用户的提问，大模型生成3个建议问题
生成SQL之后，下面有点赞选项，点赞之后，问题和SQL会添加到Index_Management的样本库中，随着Index_Management样本库的不段积累，提高系统的查询效率
