[]
本节将为您详细介绍 Wyn 商业智能AI对话式分析背后的工作原理。当您提出一个自然语言问题（例如：“展示一下上个季度各区域的销售额对比”）时，系统内部并非由一个单一的AI完成所有工作，而是由四个核心角色协同完成生成最终的分析结果，包括：用户、大模型、文本嵌入模型、BI 数据分析引擎和BI渲染引擎。我们将按照“对话式分析”的完整步骤，清晰地阐述每个角色的职责，并展示它们之间如何紧密配合、接力协作，最终将您的问题转化为准确、直观的数据图表和解读。
在整个对话式分析的生命周期中，五个角色各司其职，协同完成一次查询。
角色定义：
用户：服务的使用者，通过自然语言提出问题或分析需求
大模型：系统的“大脑”。负责理解用户意图、进行逻辑推理、生成和校验数据查询语言，并组织最终的回答
文本嵌入模型：系统的“知识库管理员”。负责将用户的业务规则和知识向量化，并在对话时为大模型快速检索相关信息
BI 数据分析引擎：系统的“数据分析和执行者”。负责接收并生成和执行数据查询，从准备好的数据中快速、准确地获取数据
BI 渲染引擎：系统的“视觉设计师”。负责根据查询结果的数据结构和分析意图，自动选择并渲染出最合适的可视化图表
其中：Wyn 商业智能提供 BI 数据分析引擎和 BI 渲染引擎。
交互步骤详解：
第一步：提出问题与意图理解
用户在 Wyn的AI对话式分析问答界面中输入一个问题，例如："对比一下今年和去年同期的利润率"；
首先 Wyn会调用文本嵌入模型，将用户的问题也转换为一个向量；
接着，BI 使用这个“问题向量”在 知识库 中进行检索，寻找与当前问题最相关的业务规则、指标定义等；（例如，知识库中可能定义了“利润率 = (利润/销售额) * 100%”）。
将检索到的相关业务规则作为“上下文”或“提示”，与用户的原始问题和相关的数据表Schema（系统根据问题自动识别出可能需要用到的数据表，如sales_fact表、product_dim表等的字段定义）一同发送给大模型；
第二步：生成数据查询语句
大模型收到后，结合上下文开始推理，进行语义解析、schema映射、过滤推理等，生成一条查询语句并发送给 BI 数据分析引擎；
第三步：执行查询与获取数据
BI 数据分析引擎基于准备好的数据进行所有复杂的表连接、数据过滤、分组和聚合计算。最终，将计算好的、聚合后的结果返回；
第四步：组织回答与生成可视化
如果用户开启了对话式分析中的智能洞察配置项，BI 数据分析引擎会将查询返回的聚合后结果（注意：这里已经不是原始明细数据，而是经过计算的高度概括的数据）发送给大模型，大模型转变为 “数据分析师” ，基于上面的聚合数据生成洞察总结，如“总体来看，今年平均利润率为18%，较去年的15%有显著提升”，
BI 渲染引擎会根据结果数据的结构，智能推荐和选定最合适的可视化图表来展示（用户也可以在提问中指定要展示的图表类型）。
第五步：呈现最终结果
最终将大模型生成的文本洞察与可视化图表一同呈现给用户。
