> ## Documentation Index
> Fetch the complete documentation index at: https://docs.xpertai.cn/llms.txt
> Use this file to discover all available pages before exploring further.

# 从零打造 Agentic ChatBI 智能体

:::success
**在 XpertAI 平台中实现可对话、可思考的数据智能分析**
:::

在数字化运营与业务智能需求日益增强的当下，企业不再满足于传统静态报表或单次问答式的分析工具，而是希望构建具备**自主理解与任务执行能力**的数据分析智能体。XpertAI 平台以“**Agentic ChatBI**”为核心理念，打造了一种全新的对话式数据分析体验。

**Agentic** 代表“智能体驱动”，不仅支持自然语言问答，还强调智能体具备**记忆上下文、管理目标、调用工具、迭代优化**等能力。相比传统 Prompt Engineering 或基于 SQL 模板的方案，XpertAI 的 Agentic ChatBI 拥有以下独特优势：

* 🧠 **真正的智能体架构**：每个 ChatBI 实体都是可编排、可配置的独立智能体，具备感知（用户意图识别）、思考（指标推理、语义解析）、行动（指标构造与图表输出）能力。
* 🔌 **端到端闭环设计**：从数据源接入、语义建模到对话发布，平台支持全流程无缝配置，无需编码，非技术用户也能从零开始。
* 🧩 **可扩展工具链**：支持多工具协作（如搜索、函数调用、知识检索），适配多种 AI 模型（OpenAI、通义千问、Deepseek 等），提升问答准确性与业务适应性。
* 🧭 **上下文感知与意图记忆**：支持实时数据上下文识别、历史对话追踪与个性化响应，让分析过程更加智能与连贯。

本文将带你从零开始，逐步完成一个可上线使用的 ChatBI 智能体的构建流程。

***

## 第一步：创建数据源连接

ChatBI 的基础是数据，而数据的入口就在于连接多样化的数据源。XpertAI 支持接入主流数据库与数据仓库，包括但不限于：

* MySQL / PostgreSQL / SQL Server
* SAP BW / SAP HANA
* ClickHouse / Doris / Hive / Presto
* Snowflake / Redshift
* Excel / CSV 等其他结构化数据源

你只需在【[数据源管理](/docs/server/datasources/)】中配置连接信息，平台会自动完成连接校验。

***

## 第二步：创建语义模型（语义数据立方体）

为了让智能体理解业务概念与数据之间的关系，我们引入了[“语义模型”](/docs/models/)的概念，**语义模型** 是数据立方体的集合。你可以通过图形化界面构建数据立方体，定义：

* 维度（共享维度、内联维度）
* 度量（数值字段、聚合方式）
* 事实数据表与维度之间的关联关系（主外键 Join）

这个步骤旨在将底层数据结构转化为 AI 模型（及业务用户）易于理解和使用的分析模型。

### 维度成员检索

平台还提供了 **[维度成员检索](/docs/models/member-retriever)** 的功能。该功能通过动态同步和向量化的维度成员信息，为数据分析提供更为精准和高效的支持，使智能体在识别查询意图与构造筛选条件时具备更强的上下文感知能力。

***

## 第三步：管理语义模型的指标（可选）

如果你希望在模型中预置常用 KPI 指标（如 GMV、转化率、人均订单等），可以在【[指标管理](/docs/indicators/)】中进行定义和分类。
这些指标将成为智能体理解查询意图、构造查询的关键参考。

> ✅ 提示：此步骤非必需，但强烈建议在复杂业务场景中配置，以提升智能问答的准确性与业务上下文理解力。您完全可以在【[计算成员](/docs/models/mdx-modeling/calculated-member)】中实现同等的逻辑计算。

***

## 第四步：创建 ChatBI 数据模型配置

此【[对话模型](/docs/ai/tool/chatbi/models)】配置将语义模型与智能体交互上下文绑定，是连接底层数据与上层 ChatBI 工具集的桥梁。

你需要：

* 选择已建好的语义模型
* 选择语义模型中的实体（数据立方体）
* 填写简要描述和长描述，以便大模型理解其含义

这一步完成后，智能体就能基于模型描述进行选择使用。

***

## 第五步：创建 ChatBI 智能体

一切准备就绪后，就可以正式创建 ChatBI 智能体了。

> ⚙️ 请确保平台中已配置 AI 模型（如 OpenAI、Deepseek、Claude、通义千问 等），并在【模型管理】中设置默认对话模型。

接下来按以下步骤操作：

### 1. 创建工作空间

用于组织不同智能体和工具的容器，方便多团队或多业务线管理。

### 2. 创建 ChatBI 工具集

* 选择“ChatBI”类型工具
* 引用第四步中配置好的数据模型
* 可进一步配置数据权限（关闭后实际数据将被过滤后仅返回维度成员信息给大模型，否则发送完整数据结果）
* 开启所有工具并保存

### 3. 创建智能体并挂载工具

* 设置智能体名称、基础AI模型（如“销售数据分析专家”）
* 挂载 ChatBI 工具集
* 可为智能体节点单独设置不同类型的 AI 模型（如推理模型）
* （可选）配置其他辅助能力，如搜索工具、MCP 调用插件等

### 4. 测试与发布

在预览区模拟真实问题（如“上个月的销售额是多少？”），验证是否能正确生成图形组件配置并返回期望结果。
测试通过后，一键发布上线。

除了在对话界面中使用此数字专家外，还可以一键发布到 [飞书](/docs/ai/tool/chatbi/#%E9%80%82%E9%85%8D%E9%A3%9E%E4%B9%A6%E7%9A%84-chatbi)、[钉钉](/docs/ai/tool/chatbi/) 或 [企业微信](/docs/ai/tool/chatbi/) 等平台。
如果想要在第三方系统中使用还可以使用 [网页嵌入](/docs/ai/xpert/embedded) 的方式。

***

## 第六步：使用 ChatBI 智能体进行对话式分析

在最终对话界面中，你可以像与同事对话一样，向 ChatBI 智能体提问业务问题：

> “最近一周哪个城市的订单增长最快？”
>
> “请按省份对比本季度 GMV 和同比增长率。”
>
> “分析一下高客单价商品的人群画像。”

系统会自动完成意图识别、图形生成、问题推荐，甚至提供分析解读与摘要，让数据洞察触手可得。

***

## 为什么选择 XpertAI 的 Agentic ChatBI？

### 对比传统 BI 工具与 RAG+SQL 方案：

| 特性维度       | 传统 BI 工具     | RAG+SQL 模型调用           | **Agentic ChatBI**       |
| ---------- | ------------ | ---------------------- | ------------------------ |
| **交互方式**   | 拖拽图表、预设查询    | 单轮自然语言问答               | 多轮上下文对话，能主动提问与澄清         |
| **技术门槛**   | 需要懂数据结构、建模语言 | 需要提前设计 Prompt + SQL 模板 | 无需编码，图形化配置即可使用           |
| **智能程度**   | 静态报表、被动响应    | 有一定问答能力，但依赖语料精度        | 智能体具备推理、记忆、调用工具能力        |
| **数据理解能力** | 缺乏语义层，字段名直译  | 简单字段映射 + 嵌入匹配          | 语义建模 + 指标体系 + Cube 上下文感知 |
| **扩展能力**   | 定制难、依赖开发     | 每加新业务都需重写 Prompt       | 模块化工具链，支持自定义函数和插件        |
| **结果质量**   | 依赖用户操作和业务知识  | 易生成错误 SQL，缺乏控制能力       | 高准确率 SQL 构造 + 原始数据可审计    |
| **适用人群**   | 数据分析师、报表开发人员 | 数据工程 + AI 工程团队         | 产品经理、运营人员、业务分析师等非技术角色    |

> **一句话总结：**
> 传统 BI 工具解决了“展示问题”，RAG+SQL 解决了“提问问题”，而 XpertAI 的 Agentic ChatBI 则在解决“理解、决策与行动”的问题。

***

## 小结：人人都能构建自己的智能数据分析专家

XpertAI 的 Agentic ChatBI 不仅是一种工具，更是一种数据驱动思维方式的转变。它让从数据建模、分析逻辑到自然语言交互的全流程都具备“可配置”、“可托管”、“可智能优化”的能力。

立即开启你的 ChatBI 智能体之旅，让数据分析真正 **“可对话 · 可理解 · 可行动”**。

***

如需获取产品演示，请访问 [XpertAI 官网](https://app.xpertai.cn/) 或联系平台 [管理员](/#connect) 获取支持。