JimuChatBI v1.0.0 发布：首款免费开源对话式智能数据分析产品
>JimuChatBI 重磅发布：首款免费开源对话式智能数据分析产品（Chat2BI）。 他是积木报表推出的对话式智能数据分析产品（Chat2BI），以语义建模构建可信数据底座，让业务同学无需写 SQL、不懂建模，用自然语言即可秒级完成取数、生成 SQL 与可视化图表，把企业 BI 分析变成一场顺畅的对话。!(data/attachment/forum/202611/12/141704wmlimlxoimoousm9.png)
当前版本：v1.0.0 | 2026-08-10
####源码下载
- Github地址：https://github.com/jeecgboot/jimureport
- Githee地址：https://gitee.com/jeecg/jimureport
####技术文档
- 在线体验：https://jimureport.com/chat2bi
- 技术文档： https://help.jimureport.com/chat2bi
- 视频教程：https://www.bilibili.com/video/BV1wBNm6HE6u
####快速集成
JimuChatBI 是一个独立 JAR（Spring Boot starter），自动装配嵌入宿主应用，兼容 Spring Boot 4，集成像积木报表一样简单。**前提**：宿主应用已集成积木报表。
**1. 引入依赖**
```
<dependency>
<groupId>org.jeecgframework.jimureport</groupId>
<artifactId>jimuchatbi-spring-boot4-starter</artifactId>
<version>1.0.0</version>
</dependency>
```
前提：需先集成积木报表`jimureport-spring-boot4-starter`的依赖，看文档 https://help.jimureport.com/quick.html
**2. 配置 DeepSeek 大模型**：问答要靠大模型生成 SQL，必须先配 AI。默认适配 DeepSeek，采用 OpenAI 接口。
```yaml
jeecg:
jmreport:
ai:
# OpenAI 兼容 base 地址（必填）
base-url: https://api.deepseek.com
# API Key（必填，留空则 AI 不可用）
api-key: sk-??
# 模型名
model: deepseek-v4-pro
# 采样温度，可选
temperature: 0
# 单次生成最大 token 数(传给大模型的 max_tokens)，DeepSeek 合法范围
max-tokens: 16384
```
**3. 配置 Minidao扫码路径**：这块参考积木报表依赖集成。
```
minidao:
base-package: org.jeecg.modules.jmreport.*,org.jeecg.modules.drag.*,org.jeecg.modules.chat2bi.*
```
**4. JimuChatBI 模块升级SQL**
该模块建表脚本请查看：
[https://gitee.com/jeecg/jimureport/blob/master/db/jimuchatbi_module_upgrade.sql](https://gitee.com/jeecg/jimureport/blob/master/db/jimuchatbi_module_upgrade.sql)
#### 一、JimuChatBI 是什么
**JimuChatBI积木问数（Chat2BI）** 是积木报表推出的对话式智能数据分析产品（Chat2BI），以语义建模构建可信数据底座，让业务同学无需写 SQL、不懂建模，用自然语言即可秒级完成取数、生成 SQL 与可视化图表，把企业 BI 分析变成一场顺畅的对话。
它的定位很简单——**让数据开口说话**：业务同学不用写 SQL、不懂建模，用自然语言提问，就能秒级完成取数、生成 SQL 和可视化图表。它是 JimuReport积木报表继 AI 报表、AI 大屏之后补上的又一块拼图，专门解决企业里"找数难、取数慢"的老问题。
简单说，你问一句"统计最近 6 个月各月销售额，用柱状图展示"，它就直接给你一张柱状图，外加明细表格和背后的 SQL。
#### 二、它能解决什么问题
在没有 JimuChatBI 之前，企业取数通常是这样的：业务提需求 → 产品转工单 → 分析师写 SQL → 排期 → 出报表，一来一回两三天，改个维度又得重来一遍。
JimuChatBI 要解决的就是这条又长又慢的链路，核心价值落在三点：
- **人人可用**：业务同学用日常语言提问就能自助分析，找数时间从几小时缩短到几分钟，不用再排队等数据团队。
- **结果可信**：不是把数据库丢给大模型"黑盒直出"，而是基于企业统一的语义建模来查询，指标口径、业务术语事先定义好，每条结果都对得上、可追溯、看得懂 SQL。
- **生成可控**：底层用 Text2DSL 语义层，先把问题转成可理解、可干预的查询指令，再生成结果，命中了哪个主题、用了哪些维度和指标一目了然，避免大模型乱选表、算错数。
一句话：它让"问数据"这件事，既像聊天一样简单，又能保证算得准、对得上。
#### 三、核心能力一览
!(data/attachment/forum/202611/12/141705wogyop2rzfv4yf9o.png)
- **自然语言取数**：用大白话提问，自动出表格、图表和一句话结论，支持 9+ 种图表类型。
- **指标 / 维度即时调整**：看完一张图想换个角度，直接在对话里切维度、换图表，改完即时重算。
- **多形态输出**：表格 + 图表 + 可查看的 SQL，还能一键导出 Excel、存为报表或加入大屏。
- **语义建模可信底座**：表注册、字段识别、多表关联、查询主题、术语映射，把数据库翻译成 AI 听得懂的业务语言。
- **企业级权限**：管理员授权、公开/私有控制、行级/列级权限、敏感度分级，敏感数据按需开放。
#### 四、怎么用：三步上线
JimuChatBI 的使用流程收敛成清晰的三步，**3 步建模即可上线**。
##### 第一步：搭数据底座（语义建模）
注册数据库表或 SQL 虚拟表，AI 自动识别主键、维度、指标，再配置多表关联、查询主题和业务术语。这一步是地基，决定了 AI 查得准不准。
数据域
查询主题
比如一张销售订单表，`order_no` 是主键（订单号），`region`、`channel` 是维度（地区、渠道），`amount`、`qty` 是指标（销售额、销量，按 SUM 聚合）——这些"身份"标好，AI 才知道该怎么分组、对什么求和。
##### 第二步：创建 AI 助理
四步向导即可完成：填基本信息（头像、名称、欢迎语）→ 绑定数据域 → 配置推荐问题、是否展示 SQL → 预览效果后一键发布上线。发布后，这个助理就能精准服务对应的业务团队。
##### 第三步：对话即分析
业务同学打开助理，用自然语言提问，秒级返回数据表格和可下钻图表，并可查看生成的 SQL、导出结果。这些都是真实可问的问题：
- "统计本年度各产品线的销售额，从高到低排列。"
- "各区域销售额对比"
- "本月销量 Top10 渠道"
- "近期客单价走势"
提问后系统会告诉你"已命中查询主题『销售分析』，维度产品线、指标销售额(SUM)，按降序返回"，然后给出表格 + 柱状图，旁边挂着"查看 SQL""导出 Excel""切换图表"。想换角度，接着问就行。
页:
[1]