JimuChatBI 重磅发布 v1.0：首款开源对话式 Chat2BI 智能问数产品

JimuChatBI 重磅发布：首款免费开源对话式智能数据分析产品（Chat2BI）。他是积木报表推出的对话式智能数据分析产品（Chat2BI），以语义建模构建可信数据底座，让业务同学无需写 SQL、不懂建模，用自然语言即可秒级完成取数、生成 SQL 与可视化图表，把企业 BI 分析变成一场顺畅的对话。

当前版本：v1.0.0 | 2026-08-10

源码下载

Github 地址：https://github.com/jeecgboot/jimureport
Githee 地址：https://gitee.com/jeecg/jimureport

技术文档

在线体验：https://jimureport.com/chat2bi
技术文档： https://help.jimureport.com/chat2bi
视频教程：https://www.bilibili.com/video/BV1wBNm6HE6u

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 4，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

复制代码

<!-- 积木chatbi -->
<dependency>
    <groupId>org.jeecgframework.jimureport</groupId>
    <artifactId>jimuchatbi-spring-boot4-starter</artifactId>
    <version>1.0.0</version>
</dependency>

前提：需先集成积木报表 jimureport-spring-boot4-starter 的依赖，看文档 https://help.jimureport.com/quick.html

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 复制代码

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
      # 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: 16384

3. 配置 Minidao 扫码路径：这块参考积木报表依赖集成。

复制代码

minidao:
  base-package: org.jeecg.modules.jmreport.*,org.jeecg.modules.drag.*,org.jeecg.modules.chat2bi.*

4. JimuChatBI 模块升级 SQL

该模块建表脚本请查看： https://gitee.com/jeecg/jimureport/blob/master/db/jimuchatbi_module_upgrade.sql

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（Chat2BI），以语义建模构建可信数据底座，让业务同学无需写 SQL、不懂建模，用自然语言即可秒级完成取数、生成 SQL 与可视化图表，把企业 BI 分析变成一场顺畅的对话。

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。