iNeuOS_AiInsight·数智灵鉴（Text2SQL/NL2SQL自然语言大模型智能问数）
目录
一、概述... 3
二、iNeuOS_AiInsight整体介绍... 4
2.1 框架实现原理... 4
2.2 核心技术... 5
2.3 创新点... 6
2.4 主要特性... 6
三、iNeuOS_AiInsight功能应用案例... 7
1：独立部署登录界面... 7
2：系统默认操作台... 7
3：模型管理-创建模型... 8
4：模型管理-测试配置的模型... 8
5：数据源-增加数据源... 9
6：技能-上传技能... 9
7：技能-查看技能... 10
8：技能-使用技能分析数据... 10
9：技能-问数分析过程... 11
10：技能-问数分析结果... 11
11：技能-问数分析结果（图表）... 12
12：提示词-新增提示词... 12
13：提示词-提示词测试... 13
14：知识库-知识库管理... 13
15：知识库-知识库配置... 14
16：知识库-知识库数据类型... 14
17：知识库-知识库上传资料... 15
18：知识库-知识库切片... 15
19：知识库-添加资料成功... 16
20：知识库-知识库召回测试... 16
21：知识库-知识库问答... 17
22：工作流-工作流管理... 17
23：工作流-构建工作流... 18
24：工作流-对话应用... 18
25：应用程序管理... 19
26：应用程序构建... 20
27：应用程序执行... 20
四、总结... 21
通过网盘分享的文件：iNeuOS_AiInsight·数智灵鉴
链接: https://pan.baidu.com/s/1_NUpgqnUEulQOqjWbfwUEw?pwd=sj7y 提取码: sj7y
一、概述
iNeuOS 作为工业联网操作系统，长期承担设备接入、数据采集、数据治理、组态建模、远程控制、告警联动等核心能力。随着企业数字化转型升级，业务部门对“即问即得”的数据分析需求较迫切，传统报表开发模式逐渐难以满足“多角色、快响应、强解释”的使用场景。
iNeuOS_AiInsight·数智灵鉴的接入，正是解决这一问题。它将自然语言理解能力与工业数据分析流程深度结合，让用户通过一句业务问题即可完成“数据定位、查询执行、结果分析、图表输出、报告生成”的完整闭环，显著降低了数据使用门槛。
对企业而言，价值体现在四个方面：
- 降低分析门槛：非技术人员也可以完成跨表、跨维度分析，减少对专业开发人员的依赖。
- 提升决策效率：从“提出问题”到“拿到结论”时间显著缩短，支撑现场快速响应。
- 统一分析标准：通过技能与流程沉淀，将企业经验固化为可复用规则，提升分析一致性与可追溯性。
- 减少定制开发：随着企业业务发展，在现有系统满足不了业务需求时，通过问数的方式，减少定制开发的成本。
集成打开效果图：
图0 iNeuOS 集成智能问数入口
说明：从 iNeuOS 菜单直接进入智能问数能力，实现平台级统一入口。
二、iNeuOS_AiInsight整体介绍
iNeuOS_AiInsight·数智灵鉴是一个面向企业场景的智能数据应用平台。围绕“会问、会查、会算、会画、会总结”的目标，平台提供技能、数据源、知识库、提示词、模型管理、工作流、应用程序等完整能力。
它不是单点问答工具，而是可持续扩展的分析中台：既支持业务人员快速使用，也支持技术团队持续沉淀方法、封装流程、治理数据资产。
2.1 框架实现原理
问数过程采用“上下文装配 + 智能体分步执行 + 结果流式反馈”的架构。
第一步，用户在入口侧选择分析上下文。
用户可以同时选择数据库、知识库、技能和上传文件。系统会将这些选择作为本次任务上下文，避免智能体在无边界条件下进行盲目推理。
第二步，系统自动构建数据执行边界。
后台会读取已选数据源的表结构、字段信息和可用资源，明确“能查什么、不能查什么”，并将这些约束交给智能体执行层，减少错误查询和越权访问。
第三步，智能体进行分步规划和工具调用。
系统不是一次性给答案，而是按“思考、分阶段、选动作、填参数”的方式循环执行。典型动作包括：只读数据查询、代码分析、知识检索、技能脚本执行、图表与报告渲染等。
第四步，结果实时可见。
前端会持续接收后端步骤事件，用户可看到“正在分析什么、执行了哪些步骤、得到什么中间结果”，提升结果可信度与过程可解释性。
第五步，安全与准确性双重保障。
在数据库问数场景下，系统默认仅允许查询类语句，禁止高风险写操作。对于复杂统计、图表计算等任务，系统使用受控执行环境处理，确保分析过程稳定可控。
2.2 核心技术
大模型智能体执行框架：将用户问题拆解为可执行步骤，支持多轮分析、动态纠错与阶段性收敛。
自然语言到查询语句的转换能力：基于数据库结构上下文理解问题意图，自动生成可执行查询，降低人工写语句成本。
多数据源统一接入能力：支持数据库、表格文件、知识资料等多源混合分析，满足工业现场复杂数据组合场景。
数据结构摘要增强能力：自动提取表结构与字段语义，降低模型“猜表名、猜字段”的概率，提升查询准确性。
只读安全控制机制：默认禁止破坏性语句，避免分析过程误修改生产数据。
代码解释与分析执行能力：支持统计计算、清洗转换、特征提取、趋势分析和图表构建，覆盖问数后的深度分析需求。
技能化知识沉淀机制：将行业规则、分析模板、图表映射、时间窗口策略固化为技能，实现经验复用与标准输出。
流式交互与可视化输出能力：过程可视、步骤可追踪、结果可图形化，支持文本、表格、图表、报告多形态交付。
2.3 创新点
相较传统固定报表系统和单一 SQL 问答工具，iNeuOS_AiInsight·数智灵鉴的创新主要体现在：
从“查数”升级到“任务执行”：不仅回答“是什么”，还能完成“怎么查、怎么算、如何展示”的全过程。
从“单源查询”升级到“多源融合分析”：同一问题可联合数据库、文件、知识库和技能资源，支持更贴近业务的问题表达方式。
从“即时问答”升级到“经验沉淀”：企业可把成熟分析方法封装为技能，持续迭代，不断提升组织级分析能力。
从“黑盒答案”升级到“透明过程”：每一步动作都可观察、可追溯，帮助用户理解结论来源，增强业务信任。
从“结果文本”升级到“决策产物”：支持图表、看板和报告输出，直接面向管理汇报和业务决策场景。
从“孤立系统”升级到“平台级集成”：已与 iNeuOS 主系统深度融合，通过统一入口与身份体系提升整体使用体验。
2.4 主要特性
n 支持自然语言问数，自动完成数据查询与结果整理。
n 支持数据库、文件、知识库等多源数据分析。
n 支持曲线图、柱状图、表格、报告等多种输出形式。
n 支持技能选择，按业务规则执行分析流程。
n 支持只读安全策略，保障生产数据安全。
n 支持用户级数据隔离，确保访问边界清晰。
n 支持流式展示、任务停止与历史会话追溯。
n 支持工业点位时序分析与图表化展示。
三、iNeuOS_AiInsight功能应用案例
1：独立部署登录界面
说明：用户通过登录进入系统，完成基础身份校验，为后续权限与数据隔离提供保障。 
图：登录界面
2：系统默认操作台
说明：展示默认工作台，用户可在此快速进入模型、数据源、技能、知识库等核心功能。
图：系统默认操作台
3：模型管理-创建模型
说明：创建可用模型配置，作为智能问数和智能体执行的基础能力来源。
图：模型管理-创建模型
4：模型管理-测试配置的模型
说明：对已配置模型进行连通性和效果验证，确保后续分析任务稳定运行。
图：模型管理-测试配置的模型
5：数据源-增加数据源
说明：接入数据库等外部数据源，建立问数任务的数据基础。
图：数据源-增加数据源
6：技能-上传技能
说明：上传企业自定义技能，将行业经验和分析流程沉淀为可复用能力。
图：技能-上传技能
7：技能-查看技能
说明：查看技能详情与说明，帮助用户理解技能用途与执行规则。
图：技能-查看技能
8：技能-使用技能分析数据
说明：选择技能后发起分析，系统按技能流程执行数据处理与结果输出。
图：技能-使用技能分析数据
9：技能-问数分析过程
说明：展示问数过程中的分步执行状态，提升分析过程透明度。
图：技能-问数分析过程
10：技能-问数分析结果
说明：展示问数后的文本化结论和结构化结果，便于业务理解。
图：技能-问数分析结果
11：技能-问数分析结果（图表）
说明：将分析结果图形化展示，便于观察趋势、对比差异和辅助决策。
图：技能-问数分析结果（图表）
12：提示词-新增提示词
说明：新增提示词模板，提升特定场景下的问数稳定性与表达一致性。
图：提示词-新增提示词
13：提示词-提示词测试
说明：对提示词进行效果测试，验证指令是否达到预期分析目标。
图：提示词-提示词测试
14：知识库-知识库管理
说明：统一管理知识库资源，为问数任务提供补充语义信息。
图：知识库-知识库管理
15：知识库-知识库配置
说明：配置知识库参数，控制检索策略与数据组织方式。
图：知识库-知识库配置
16：知识库-知识库数据类型
说明：定义和区分知识数据类型，提升检索精度和回答相关性。
图：知识库-知识库数据类型
17：知识库-知识库上传资料
说明：上传业务文档，扩展问数与问答可用的知识范围。
图：知识库-知识库上传资料
18：知识库-知识库切片
说明：对文档进行切片处理，形成可检索的知识单元。
图：知识库-知识库切片
19：知识库-添加资料成功
说明：展示资料入库成功状态，确认知识资源可用于后续检索。
图：知识库-添加资料成功
20：知识库-知识库召回测试
说明：通过召回测试验证知识检索质量，保障问答可用性。
图：知识库-知识库召回测试
21：知识库-知识库问答
说明：结合知识库进行自然语言问答，补充结构化数据之外的语义分析能力。
图：知识库-知识库问答
22：工作流-工作流管理
说明：管理分析流程模板，支持复用和持续优化。
图：工作流-工作流管理
23：工作流-构建工作流
说明：通过可视化编排构建任务流程，实现复杂分析场景的标准化落地。
图：工作流-构建工作流
24：工作流-对话应用
说明：将编排流程应用到对话场景中，实现“问一句、执行一条流程”。
图：工作流-对话应用
25：应用程序管理
说明：统一管理业务应用实例，支撑多场景部署和权限管控。
图：应用程序管理
26：应用程序构建
说明：快速构建面向业务的智能应用，将分析能力产品化。
图：应用程序构建
27：应用程序执行
说明：最终在业务侧执行应用，形成可直接使用的智能问数与分析服务。
图：应用程序执行
四、总结
可以把 AiInsight 理解成一个“会查数据库、会写分析代码、会画图、会生成报告的数据分析助手”。
用户负责提出问题和选择数据范围，系统负责理解问题、定位数据、执行查询、完成计算、生成图表并输出结论。其核心价值不只是减少语句编写工作量，更在于把“数据查询、数据分析、结果展示、经验沉淀”串成一条可持续复用的业务链路。
对于企业数字化建设而言，这种能力意味着：分析效率更高、经验沉淀更快、决策响应更及时。随着技能库、知识库和工作流的持续完善，iNeuOS_AiInsight·数智灵鉴将从“智能问数工具”逐步成长为“企业级智能数据应用引擎”。
参考文章
（1）硬件网关：https://mp.weixin.qq.com/s/iKMqn62YIhBlXjGtY2wKXQ。
（2）物联网（IOT）：https://mp.weixin.qq.com/s/5u4L8fItaFpIbVYOlxbmGg。
（3）视觉分析（Vision）：https://mp.weixin.qq.com/s/SiiuXTTGplTAERRYyCmGCQ。
（4）大模型智库（AiMind）：https://mp.weixin.qq.com/s/SH_q2k_zbQ-pcd05zj86-g。
物联网&大数据技术 QQ群：54256083
物联网&大数据项目 QQ群：727664080
QQ：504547114
