Supersonic 定位
Supersonic 是一款融合 Chat BI（由大语言模型 LLM 驱动） 和 Headless BI（由语义层驱动） 的新一代 BI 平台。其核心价值在于：
整体技术架构
Supersonic 的架构以 “语义层” 为核心纽带，连接 Chat BI 和 Headless BI 两大范式，整体流程围绕 “用户自然语言查询→语义解析→SQL 生成→数据查询→结果可视化” 展开。关键架构升级包括：
- 核心框架：基于 SpringBoot 3.x 构建，依赖 LangChain4j 等工具，支持 Swagger 接口文档；
- 扩展性：采用 Java SPI 机制，允许自定义组件实现；
- 多数据库支持：兼容 Oracle、StarRocks、SAP HANA、DuckDB、Kyuubi 等多种数据引擎；
- 性能优化：通过 GC 优化（Generational ZGC）、并行处理、Docker 镜像体积缩减等提升系统效率。
核心组件及功能
模型知识库（Knowledge Base）
- 定期从语义模型中提取 schema 信息（如指标、维度、实体等），构建词典和索引；
- 为后续的模式映射和语义解析提供基础数据支持，确保 LLM 能理解业务语义。
模式映射器（Schema Mapper）
- 识别用户查询中的 schema 元素（指标、维度、实体、值等）；
- 将查询文本与知识库匹配，为语义解析提供上下文关联。
语义解析器（Semantic Parser）
- 理解用户自然语言查询，抽取语义信息并生成语义查询语句 S2SQL；
- 结合规则引擎和 LLM，针对不同场景（如演示、测试）优化解析效率。
语义修正器（Semantic Corrector）
- 检查 S2SQL 的合法性，对不合法内容进行修正和优化；
- 结合规则校验和 LLM 能力，提升语义查询的准确性。
语义翻译器（Semantic Translator）
- 将语义查询语句 S2SQL 转换为可在物理数据模型上执行的 SQL 语句；
- 适配多数据库语法，确保 SQL 兼容性。
问答插件（Chat Plugin）
- 通过第三方工具扩展功能（如集成外部 API）；
- 基于 LLM 自动选择最适合的插件处理用户查询（需提供插件功能描述和示例问题）。
问答记忆（Chat Memory）
- 存储历史查询轨迹，支持多轮对话；
- 可召回历史记录作为 few-shot 样例嵌入提示词，提升 LLM 的理解能力。
关键特性
- 开箱即用：内置 Chat BI 界面（供业务用户查询）和 Headless BI 界面（供分析师构建语义模型）；
- 高级功能：支持输入联想、多轮对话、查询后问题推荐；
- 权限控制：支持数据集级、列级、行级三级数据访问控制；
- 可扩展性：通过插件机制和 SPI 框架，支持定制化功能开发。
