配置智能分析助手包括助手配置、知识库配置、问答配置三个方面。
助手配置
通过模型、提示词配置，有助于提升智能分析助手的理解能力。通过场景配置，有助于快速找到目标数据。
表1 配置项说明
|
配置项 |
说明 |
|
模型 |
- 支持自定义智能分析助手NL2SQL和智能见解所使用的模型，方便您随时对模型进行切换，选择最适合业务场景的模型。
- 通过不断优化和调整所使用的模型，可以增强智能分析助手的问答能力，使其更加精准地理解和响应复杂的查询需求。
|
|
提示词 |
- 提示词是用户对大模型的输入，模型会根据这个提示词产生相应的回应或输出。
- 通过配置提示词可以引导模型理解用户的具体需求，并生成更准确、相关和高质量的输出，确保模型的响应能够满足不同场景下的应用需求。
|
|
场景 |
- 场景代表一个问答主题，一般由多个数据集组成，用户在同一场景中的提问往往归属于同一个主题。
- 通过为每个场景配置相应的描述和一些示例问题，可以帮助业务人员更快速地了解如何在场景中找到目标数据。
|
知识库配置
通过同义词、命名实体配置，有助于在数据集层面提取关键特征，为智能分析助手提供准确的数据支持。
表2 配置项说明
|
配置项 |
说明 |
|
同义词 |
- 配置数据集字段的同义词，例如将“product_price”的同义词配置为“产品价格”，当询问产品价格时，智能分析助手可以准确映射到product_price字段。
- 同义词的配置使得智能分析助手能够更精确地解析和理解数据集中的信息，从而提升数据的可读性和分析的准确性。
|
|
关键词 |
- 配置问答问题中某些词语和句子的实际搜索内容，例如将“1-3月苹果的产量”的关键词“1-3月”的实际搜索内容配置为“大于等于1月且小于等于3月”，智能分析助手将能识别和理解用户提问中的不同表达方式。
- 关键词配置使智能分析助手能够识别并理解用户提问中的多样化表达，从而提升智能分析助手对问题的理解。
|
|
命名实体 |
- 通过命名实体可以配置字段间的绑定关系，例如将实体A关联字段设置为“user_name”、“product_color”，在智能分析助手问答界面问答有关“user_name”字段问题时，同时显示实体A关联字段“product_color”，具体请参见场景示例。
- 命名实体的配置则确保了在回答过程中能够识别和关联到具体的数据实体，从而提供更精确的答案。
|
问答配置
通过关键词、推荐问题等配置，智能分析助手不仅能够提升处理问题的效率，还能确保回答的准确性和专业性。
表3 配置项说明
|
配置项 |
说明 |
|
推荐问题 |
- 问答界面上方出现预置好的推荐问题，单击推荐问题即可快速提问。
- 推荐问题可以帮助用户快速进行问答，从而显著提高问答效率。
|
|
关联问题 |
- 智能分析助手返回结果时除了回答现有问题，会显示现有问题的关联问题及回答。
- 关联问题的配置旨在优化问答流程，通过预测用户可能存在的疑问，提前提供相关信息。
|
|
模板化见解 |
- 对重点问题进行配置模板化见解，在智能分析助手问答界面进行问答时，得到结构化和高质量的智能见解结果。
- 模板化见解的配置则确保了回答的标准化和一致性，有助于得到结构化和高质量的回答。
|
