AI原生数据应用架构与落地探讨

AI原生数据应用架构与落地探讨

1. 背景

• 挑战与机遇：大语言模型（如ChatGPT、通义千问等）的出现带来了新的交互方式，如CodeSQL、NLU等。
• 数据多样性：企业的真实数据包括结构化（如Excel、数据库）、非结构化（如文本、文档数据、日志数据）、多维关系（如图、数据库）和离线数据（如数仓、数据湖），这些数据需要多样化的处理方法。

2. DB-GPT架构解读

• 项目介绍：DB-GPT是一个开源的AI原生数据应用开发框架，旨在简化围绕数据库构建大模型应用的过程。
• 核心功能：
  • 多模型管理（SMMF）
  • Text2SQL效果优化
  • RAG框架优化
  • 多数据源处理
  • 智能体工作流编排（AWEL）
  • 数据洞察可视化
• 优势：
  • 支持AI原生数据应用开发
  • 智能体工作流编排
  • 私域问答与数据处理
  • 多数据源处理与生成业务智能（GBI）
  • 服务化多模型管理
  • Text2SQL/Text2NLU微调
  • 数据驱动的智能体框架
  • 隐私安全保护
  • 完全开源，采用MIT协议

3. 数据智能体应用

• 数据库专家智能体：如Kevin，应用于智能问答、智能诊断等领域。
• 构建流程：
  • 资源准备（知识库、API、算子、插件）
  • Agent构建
  • Workflow编排
  • 应用调试与发布
  • 应用对话与使用
  • SDK集成
• 技术挑战：
  • 意图识别
  • Agent-Linking
  • 召回准确率
  • 多轮对话参数补充
  • 角色认定与永久记忆

4. 未来规划

• 存在问题：
  • 开发门槛高
  • 默认场景效果待提升
  • 产品化能力不足
  • 文档、教程、案例较少
• 版本计划：
  • 更强的产品化能力
  • 提供意图识别、Text2NLU、Text2GQL等效果微调
  • 构建更多通用标杆应用场景智能体
  • 完善文档与教程
  • 一键集成发布到平台（如Copilot、钉钉、飞书、微信）

开源地址

• GitHub

感谢参与！