阿里妹导读
本文探究等AI机器人能否帮助老板快速的做数据分析？用自然语言同老板进行沟通，满足老板的所有数据分析的诉求？
一、背景
设想这样一个场景：你是某贸易公司的老板，公司所有的日常运转数据都在私域的进销存系统，包括客户、供应商、销售、库存、进货、商品等，你每天需要关注公司运营情况，并且希望商业分析师对当前运营数据给出分析和建议，对公司的运营策略进行及时调整。等AI机器人能否帮助老板快速的做数据分析？用自然语言同老板进行沟通，满足老板的所有数据分析的诉求？
二、工作原理
众所周知，的数据截止只至2021年9月且无法直接联同互联网和局域网（虽然plus账户可以使用插件来扩展能力比如联网，读取本地文档等，但输入和输出有限制且月20刀的费用让人望而却步），那我们该如何把能力同本地能力结合呢？
为了满足上述的需求，利用（语言模型驱动的应用程序的开发框架，具体可问）的数据感知能力（将语言模型同其他数据源链接）和代理能力（使语言模型能够与其环境进行交互），让老板通过自然语言同引擎进行交互，用老板思维提问，返回给老板各种维度的数据甚至对应的可视化表达。（下图是网上拿来的链接本地文件和语言模型的示意图，大致可以说明本次实验的原理）。
三、构造数据模型和测试数据
利用给出进销存系统的数据模型和测试数据，模拟某贸易公司的日常运营数据。
利用自动构造测试数据，检查了主键外键均能一一对应，给点赞。
四、测试环境搭建
1、数据库采用本地搭建的mysql 8.0；
2、大语言模型采用，GPT3 模型；
3、.0.191;
3、数据用自动构造的测试数据，故不存在数据安全和合规问题；
五、实验测试过程
本次实验测试过程取老板在日常中比较常用的场景进行测试，比如查供应商、商品、库存、销量、营收和利润等。
场景1:
输入：我们总共有多少个供应商,给我们供应了多少种商品?
生成sql：
输出：:.
结论：答案正确✅
引擎分析的过程如下：
场景2:
输入：每一种商品的库存有多少?
生成的sql：
输出：:bleis:,,,,,,,,,.
结论：答案正确✅
引擎分析的过程如下：
场景3:
输入：按月给出所有商品的销量和库存?
生成的sql:
输出：:hare:(,),(,),(,),(,),(,),(,),(,),(,),(,),(,).
结论：月度日期不对，部分正确
引擎分析的过程如下：
场景4:
生成的sql:
结论：答案正确✅
引擎分析的过程如下：
场景5:
生成的sql:
输出：:,,hare::,.00,.00;:,.00,.00;:,.00,.00;:,.00,.00;:,.00,.00;:,.00,.00;:,.00,.00;:,.00,.00;:,.00,.00;:,.00,.00.
结论：答案正确✅
引擎分析过程：
六、总结
能够链接本地数据源到大语言模型，并且利用大语言模型完成指定任务，准确率较高，通过引擎的分析思考过程来看，的思维逻辑类似人类，也会写错sql报错，然后不停重试直至得到最终结果，但仍有一些风险和改进点：
1、数据安全和合规风险，这里直接链接了本地数据库，我这里是构造的测试数据，真正的业务场景不需要，可以等通义千问的开放。
2、由于的API的输入输出有4100个的限制，针对复杂任务，容易超过限制被终端，因此不能一次输入过多的问题，这个可以通过 来设定一些常用模板来解决。
3、这次实验最终的输出是英文，这个可以设定引擎的语言参数以及输出结果进行结构化返回，前端页面实现可视化图形展现，这次主要目的为了测试SQL生成能力，展示就不赘述。
