实现AI和BI整合的初步思路和探索
这些年AI火的一塌糊涂，很多行业和传统技术领域都在积极的跟其产生交集。
BI是一个20年前开始火起来的技术，跌跌荡荡这些年，如今虽然不是网红菜，但绝对是企业的必点菜。
AI的出现让很多东西跟人们越来越近，那么AI配合BI有没有搞头呢？
img
关于这个话题，这些年我也不断的在尝试探索AI跟BI到底能碰撞出什么样的火花。我看到近些年在网上能找到的示例，主要是以下几种应用场景：
Deepseek in word or excel一类，甚至在Power BI里也有，主要就是通过脚本去调用deepseek的http的接口，B站好多视频，我个人认为这个智能算纯技术探索，实在想不出有什么应用场景。
自然语言问答，通过自然语言的方式直接获取答案，第一次看到是在早期版本的Power BI，现在仍保持着这个功能。
文件直接生成图表。这个B站的教程很多，算是一个技术领域的介绍吧，但还很难上桌，因为用过Power BI或者Tableau的都会知道，客户对表格的要求是多么变态。
基于自然语言的统计，主要是TEXT2SQL这类，通过大预言模型对数据结构的理解，根据用户的问题生成查询，然后通过MCP之类的技术，返回结果。
这里我会演示最后一种方案。我们选择Dify + SQL Server的方式。
其实第三种方案，在B站你能看到基于Dify的很多演示，但受限于工具的功能，只能找到MySQL的。理论上来说，通过MCP也可以，但是我搜索了下支持SQLServer的MCP工具，都失败了。
所以这里我会换一个思路，既然Dify现成工具以及MCP都很难找到对SQLServer的支持，那么就拿出Python大法，大体的思路就是通过Python来访问SQLServer，然后再通过Python暴露一个http的接口，供Dify去调用。
你会问为什么偏要SQLServer，因为这里想主要介绍通过Dify现成工具以及MCP之外的另外一种万能的方式，其次，再怎么说我也是曾经连续连年的SQLServer MVP，所以对SQLServer还是很有感情的。
再就一点，在SQLServer下有一个不错的资源即使官方示例的数据仓库，Adventure works，里面有现成的数据可以供我们演示用。
这套数据仓库的结构如下，以下是我在Power BI里的建模，可以清晰的看到表间关系：
img
当初我在设计数据仓库比较迷茫时，都会来参考一下相应的问题，在这套数据仓库里是如何设计的。
为了方便演示，这里我只选择两张表，一个是FactInternetSales，一个是DimProduct。我们首先需要做的是将两个表的建脚本导出来，后续放在大模型里让大模型知道相应的数据结构。大模型会根据字段的名字来理解相应字段的含义。有些时候通过字段名可能看不出其含义，解决的方法就是通过对字段的注释，来辅助大模型理解数据的含义。
接下来在Dify中，创建一个ChatFlow。
这里我们主要用到以下几个关键模块：
LLM，通过大模型根据用户的问题生成查询语句，最后再通过大模型汇总信息。
代码执行，由于我们用的是思考模型，所以Dify中我们读取到的反馈是包含大模型思考信息的。通过Python代码，可以很容易的过滤掉这部分信息，确保只有纯查询语句被传递到下一步。
HTTP请求，通过这个模块去调用Python编写的http接口，来跟SQLServer进行交互。
工作流大体结构如下：
img
这里有几个需要关注的点：
在大模型Text2SQL模块中，在User提示词里除了要提供相应表的结构之外，还需要告诉大模型出了SQL语句不要返回其它信息。不然大模型会贴心的输出说明内容，后续还需要单独对其进行过滤。
以下是我用到的提示词，供参考。请留意为了考虑篇幅排版，这里我省略了建表脚本。
你是一个数据库专家。
以下是相关表结构：
***FactInternetSales的建表脚本，为了篇幅这里我省略了。
***DimProduct的建表脚本，为了篇幅这里我省略了。
请将用户的请求转换成相应的SQL查询。
{{#sys.query#}}
直接生成SQL查询，只返回SQL查询，不要生成其它任何内容。
由于我使用的大模型会附带think部分的信息，所以后面我加了一段python代码处理了一下：
def main(arg1: str):
return {
"result": arg1.split("</think>")[1],
}
接下来是构建Python跟SQLServer通信的部分，这里我用的是Flask，通过它可以很方便的将Python的一个方法，暴露成一个http接口。然后在这个Python方法中，理论上你就可以做任何事。
https://github.com/microsoftbi/SQLServer-Scripts/blob/master/iDWH.py
需要留意的事，在DB_CONFIG里，指定数据库名，用户名和密码。
数据库这里我们用的是：AdventureWorksDW2016，大家可以从微软的官方网站找到这个数据库的下载.用户名和密码根据自己的配置指定就可以。
代码的逻辑也很简单，实例化一个Flask对象后，直接run起来指定好IP和端口号就可以。
Python的方法里哪个需要暴露成接口，就在前面加一个@app.route的声明，指定好路由地址，METHOD(POST or GET)就可以。
最后一步，通过大模型对用户的提问以及查询到的结果进行一个简单的汇总，以下是我用到的提示词作为参考：
根据用户的问题：{{#sys.query#}}
以及参考数据：
{{#HTTP请求/{x}body#}}
汇总输出。
请留意不要直接copy这个代码到你的工作流当中，因为copy出的提示词只有变量id，而不同环境的id是不同的，所以对应http请求位置的内容需要手动在代码里添加。
最后调试一下工作流.
img
img
可以看到，这个场景我们虽然只介绍了两张表给大模型，所以基于这两张表的提问可以看到基本是靠谱的。
这里需要注意一个地方是，工作流可能会莫名其妙的出错，比如我曾遇到的一个问题是，大模型在生成查询语句的时候，虽然我指定了不要生成出了SQL之外的内容，但偶尔它还会加个东西比如sql=SELEC......这类。这个只能在报错的时候，具体的去看workflow的log，以及调试后台的python代码才能具体定位到是什么问题，然后再针对问题做相应的处理。
这个方案实际应用中应该还会有些问题需要考虑：
模型对输入长度的限制。如果需要更多的表参与进来，那么提示词会越来越长。
不同模型的反应可能会不同，可能需要对结果进行单独的处理。这里我用的是qvq-max-latest。
大模型对数据结构里表关系的理解。对于微软的这个示例库，是带着外键信息的，并且外键字段也都是能对应上的。如果没有这些信息，以及从字面上看不出关联，就需要在提示词里指明这些信息。
这类场景，考虑到大模型的输出限制以及token消耗，尽量只做统计类查询问题，不要生成raw data。
未避免SQL注入，尽量在提示词部分，或者在python接口部分，屏蔽DML类语句。(UPDATE，INSERT or DELETE...)
本文工作流的yml文件可以在这里获取：
https://files.cnblogs.com/files/aspnetx/AIBI01.yml.js?t=1762690256&download=true
博客园不能直接上传yml后缀的文件，所以我加了个.js后缀。
到这里我们的初步演示就结束了。当然具体通过大模型来跟数据库进行协作，还有很大的提升空间，这里我推荐B站的这个最新的教程，通过LangChain 1.0构建SQL Agent。
https://b23.tv/ff5t3rf
视频是介绍最新的LangChain 1.0的，讲通过SQL Agent的方式，让大模型自己去看有哪些表以及其结构都是什么，最后再生成对应的查询。看上去智能好多。
