一文看懂即将开源的 JimuChatBI积木问数（Chat2BI）：是什么、解决什么问题、怎么用
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，即将开源。
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
- 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。
五、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 2 / Spring Boot 3，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 （宿主 pom.xml，自动注册，无需手动 ComponentScan）：
xml
<dependency>
<groupId>org.jeecgframework.jimureport</groupId>
<artifactId>jimuchatbi-spring-boot-starter</artifactId>
<version>尚未发布</version>
</dependency>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
# chat-completions 路径，可选，默认 /v1/chat/completions
completions-path: /v1/chat/completions
# 单次生成最大 token 数(传给大模型的 max_tokens)，DeepSeek 合法范围[1,393216]
max-tokens: 4096总结
JimuChatBI（Chat2BI） 用一句话就能讲清楚：让业务同学用聊天的方式查数据，而且查得准、对得上、看得懂。它靠 Text2DSL 语义层把生成过程做得可控，靠语义建模把结果做得可信，再用三步流程把上线门槛降到最低。
即将开源、免费可商用、独立 JAR 轻量集成------想先体验或了解更多