【必收藏】大模型数据分析全攻略:从数据源管理到智能问数与分析报告

LightRAG:简单快速的检索增强生成框架快速上手 你是环境科学专家,提供详细且结构化的回答,并包含示例。---对话历史---{history}---知识库------响应规则---目标格式和长度:{response_type}""" response_custom = rag . query("可再生能源的主要优势是什么? 阅读详情

1. 数据源管理

用户可以对数据源进行管理,例如添加Mysql、Doris等类型的数据源,这样用户后续的数据查询、分析报告中来使用。

在数据源列表中,用户可以看到数据源状态,还可以对数据源进行编辑、测试连通性、预览等操作。例如用户在预览时,可以看到当前数据源中包含的数据表清单

如下图中所示,用户可以查看订单表中的字段,用户启用所关心的字段,还可以预览表中的数据,帮助用户快速探查表中的数据样例。

2. 数据查询

在数据查询模块用户可以选择某一个数据源,开始智能问数功能,例如输入7月份每种产品的订单总金额,可以看到执行的sql语句,结果数据以表格形式来展示

结果数据支持多种不同的展现形式,折线图、柱状图、饼图等,用户在右侧选择不同的图标类型即可。

3. 分析报告

用户通过描述需求,系统会自动生成对应的分析报告,例如用户选择订单数据源,在需求分析文本框中输入:分析2023年上半年订单收入数据

,即可一键生成业务分析报告,用户还可以将生成的报告以文档的格式导出。

报告内容示例如下

一、概述
本报告基于2023年上半年的销售数据,对各产品的收入情况进行了全面分析,并对下半年的收入趋势进行了预测。
二、产品收入分析
2023年上半年各产品的收入情况如下:
智能手机A:收入3,250,000元,占总收入的42.3%
笔记本电脑B:收入2,890,000元,占总收入的37.6%
平板电脑C:收入1,250,000元,占总收入的16.3%
智能手表D:收入280,000元,占总收入的3.6%
其中,智能手机A的收入贡献最大,占比超过四成。
三、产品贡献度排名
智能手机A - 42.3%
笔记本电脑B - 37.6%
平板电脑C - 16.3%
智能手表D - 3.6%
四、下半年预测
基于历史数据和市场趋势分析,预计2023年下半年各产品的收入情况如下:
智能手机A:预计收入3,800,000元(增长17%)
笔记本电脑B:预计收入3,100,000元(增长7%)
平板电脑C:预计收入1,450,000元(增长16%)
智能手表D:预计收入400,000元(增长43%)
总体预计下半年总收入将达到8,750,000元,比上半年增长约13%。
五、建议
继续加大智能手机A的市场推广力度,巩固市场份额
关注智能手表D的快速增长趋势,适当增加产品线投入
考虑在下半年推出笔记本电脑B的升级版本,以提升竞争力

4. RoadMap

  • 智能对话页面新增历史会话管理功能
  • 对话页面增加RAG,引入现有知识库,让大模型更懂业务
  • 大模型管理功能
  • 智能对话
  • 文图生成
  • 知识库
  • 智能问数模块(数据源管理、NL2SQL、仪表盘、分析报告等)
  • MCP管理、工作流编排
  • 日常办公辅助类工具,如PPT自动生成,这样可以协助用户日常办公使用

最后

为什么要学AI大模型

当下,⼈⼯智能市场迎来了爆发期,并逐渐进⼊以⼈⼯通⽤智能(AGI)为主导的新时代。企业纷纷官宣“ AI+ ”战略,为新兴技术⼈才创造丰富的就业机会,⼈才缺⼝将达 400 万!

DeepSeek问世以来,生成式AI和大模型技术爆发式增长,让很多岗位重新成了炙手可热的新星,岗位薪资远超很多后端岗位,在程序员中稳居前列。

在这里插入图片描述

与此同时AI与各行各业深度融合,飞速发展,成为炙手可热的新风口,企业非常需要了解AI、懂AI、会用AI的员工,纷纷开出高薪招聘AI大模型相关岗位。
在这里插入图片描述
最近很多程序员朋友都已经学习或者准备学习 AI 大模型,后台也经常会有小伙伴咨询学习路线和学习资料,我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师给大家这里给大家准备了一份涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频 全系列的学习资料,这些学习资料不仅深入浅出,而且非常实用,让大家系统而高效地掌握AI大模型的各个知识点。

这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

AI大模型系统学习路线

在面对AI大模型开发领域的复杂与深入,精准学习显得尤为重要。一份系统的技术路线图,不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点,还能提供一条高效、有序的学习路径。

img

但知道是一回事,做又是另一回事,初学者最常遇到的问题主要是理论知识缺乏、资源和工具的限制、模型理解和调试的复杂性,在这基础上,找到高质量的学习资源,不浪费时间、不走弯路,又是重中之重。

AI大模型入门到实战的视频教程+项目包

看视频学习是一种高效、直观、灵活且富有吸引力的学习方式,可以更直观地展示过程,能有效提升学习兴趣和理解力,是现在获取知识的重要途径

在这里插入图片描述
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
在这里插入图片描述

海量AI大模型必读的经典书籍(PDF)

阅读AI大模型经典书籍可以帮助读者提高技术水平,开拓视野,掌握核心技术,提高解决问题的能力,同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说,阅读经典书籍是非常有必要的。
在这里插入图片描述

600+AI大模型报告(实时更新)

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。
在这里插入图片描述

AI大模型面试真题+答案解析

我们学习AI大模型必然是想找到高薪的工作,下面这些面试题都是总结当前最新、最热、最高频的面试题,并且每道题都有详细的答案,面试前刷完这套面试题资料,小小offer,不在话下
在这里插入图片描述

在这里插入图片描述

这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

Rerank模型哪款最强?详解如何轻松集成到你的项目中! 新的reranker模型:发布跨编码器模型 BAAI/bge-reranker-base 和 BAAI/bge-reranker-large ,它们比嵌入模型更强大。所以,当在RAG 项目中,使用Embedding 求出topN的时候,N可以大一点儿,然后重新组织问题和检索出来的答案。比如,question是问题,top_n_answers是Embedding返回的结果,得到Rerank的新数据结构。几乎所有的Embeddings都在重排之后显示出更高的命中率和MRR,所以rerank的效果是非常显著的。 阅读详情

相关推荐

Agent Skill 火爆全网:创建你的第一个技能,开启渐进式智能体

无限的知识容量:通过脚本和外部文件,技能可以"携带"远超上下文限制的知识。我们从什么是 Agent Skill 讲起,剖析它如何解决“上下文爆炸”,如何通过“渐进式披露”优化上下文长度,并手把手教你在 Open Code 中创建你的第一个 Skill。我们的AI社群聚集了一线AI高手, 每月一期AI训练营,社群陪跑,专属直播,专注于 扣子、Dify、n8n 等主流智能体平台的实战落地。我们常说大模型有 128K 甚至 1M 的上下文窗口,但在实际应用中,我们发现了一个扎心的事实:给的越多,错得越多。

互联网架构师笔记 5304

开源AI新协议!AI Agent与前端交互的轻量级协议,轻松构建交互式AI应用!

AI Agent 的兴起让前端交互需求激增,但传统开发中,连接Agent后端与前端需大量定制代码,效率低下。 在 MCP(模型上下文协议)、A2A(Agent-to-Agent 通信协议)之后,AI Agent 的生态正在走向一个更完整的方向:AG-UI 协议横空出世,专为 Agent 与前端应用的通信交互而设计。

bugyinyin的博客 2037

3 种 VLA 模型动作表示方案对比:RT-2 离散化 vs π0 流匹配 vs HybridVLA 混合架构

本文深入对比了三种VLA模型动作表示方案:RT-2离散化、π0流匹配和HybridVLA混合架构。分析了各自的技术原理、优势与局限性,并提供了应用场景选择指南,帮助研究者在具身智能领域做出更优的技术选型决策。

weixin_29031161的博客 314

LightRAG – 香港大学推出的开源检索增强生成系统

LightRAG是由香港大学研究团队推出的一种检索增强生成(Retrieval-Augmented Generation, RAG)系统,基于整合图结构索引和双层检索机制,提升大型语言模型在信息检索中的准确性和效率。系统能捕捉实体间的复杂依赖关系,全面理解信息,处理具体和抽象查询,确保用户获得既相关又丰富的响应。LightRAG具备快速适应新数据的能力,在动态环境中保持高效和准确,基于增量更新算法及时整合新数据,无需重建整个知识库。

u010291330的博客 3997

从零开始用QP框架开发STM32:事件驱动编程实战指南(附状态机设计技巧)

本文详细介绍了如何使用QP框架在STM32上实现事件驱动编程,包括状态机设计技巧和嵌入式开发实践。通过对比传统前后台系统和RTOS,展示了QP框架在资源占用、实时性和代码可维护性方面的优势,并提供了从环境搭建到高级状态机设计的完整指南。

h6i7j8的博客 1167

CodeBlocks如何将英文环境改为中文

一、下载汉化包(链接如下) 链接:https://pan.baidu.com/s/166U9WGPbJXu2hyD7q9EiJQ 提取码:2333 二、选择路径 将汉化包中的文件(CodeBlocks.mo、zh_CN.mo、zh_CN.po)放到CodeBlocks安装路径下的​​​​​​CodeBlocks/share/CodeBlocks/locale/zh_CN文件夹中,路径中的文件夹没有就新建。 注:此处需严格按照要求来,切勿自定义文件夹名 三、内部调试 打开CodeBlocks,..

云隐雾匿的博客 2万+

大模型必备技能:RAG检索增强生成技术全攻略,建议收藏

大模型必备技能:RAG检索增强生成技术全攻略,建议收藏

kaka0722ww的博客 1834

LinuxCNC开发实战:从安装到EtherCAT配置全解析

本文详细解析LinuxCNC开发实战,从系统安装到EtherCAT总线配置全流程。涵盖实时内核优化、伺服驱动器PDO映射、HAL配置及自定义运动学开发,帮助开发者快速搭建工业级数控系统,提升运动控制精度与稳定性。

rgv234567的博客 347

精通 MCP:AI 智能体开发实战全攻略,打通从理论到落地的核心链路

作为AI研究人员,你是否因在不同AI模型与数据源间定制化搭建桥梁而感到烦琐?作为软件开发工程师,你是否因安全控制粒度不足而担心,生怕敏感数据泄露?作为技术管理者,你是否正为开发流程的低效和跨场景适配的困难而头疼?作为计算机相关专业的学生和AI技术爱好者,你是否想在这个技术不断发展的时代尽快找到方向,轻松开启AI智能体开发的大门,将理论迅速转化为实践?MCP就是答案!

全沾软贱开发攻城狮 2万+

机械臂速成小指南(八):标准DH法实战——从连杆坐标系到运动学方程

本文详细介绍了机械臂运动学建模中的标准DH法,从连杆坐标系的建立到运动学方程的求解,提供了实用的操作步骤和代码示例。通过DH参数表和变换矩阵的构建,帮助读者快速掌握机械臂运动学建模的核心技术,并解决实际应用中的常见问题。

oo7890的博客 202

163种中草药图像数据集构建与ResNet-50迁移学习实战指南

在计算机视觉领域,高质量标注数据集是模型训练的基石,直接影响图像分类、目标检测等任务的性能。其核心原理在于为算法提供结构化的监督信号,通过深度学习模型学习从像素到语义的映射关系。构建此类数据集的技术价值在于解决了特定垂直领域(如中医药)数据稀缺的痛点,为AI技术落地提供了关键“燃料”。在应用场景上,标准化数据集广泛支撑着教学演示、算法验证和产业应用开发。本文聚焦于中草药识别这一细分领域,详细介绍了一个包含163种常见药材、经过多源聚合与清洗的图像数据集构建全过程,并提供了基于PyTorch和ResNet-5

weixin_33672400的博客 447

【程序员必读】知识库建设全攻略:提升RAG系统性能的核心秘诀(建议收藏)

摘要:知识库作为RAG系统的核心组件,其质量直接决定智能问答系统的性能表现。构建高效知识库面临多数据源兼容、复杂格式处理、数据更新与版本管理等关键挑战。通过模块化架构设计,包括数据对接、文档标准化、切片向量和召回优化等环节,可显著提升系统稳定性和扩展性。研究表明,在大模型时代,完善的知识库建设是智能问答系统成功的基础,需要重点关注数据处理、语义保持和检索优化等核心技术环节。(149字)

m0_63171455的博客 700

【AI Agent 记忆共享实战】【下篇】多 Agent 会话 Session 统一共享实战:全链路工程落地、采集归一、MCP 服务、私有化部署、源码级实战

中篇我们已经锁定最终最优架构方案: 非侵入式、外部旁路采集、只读归一、中心化存储、MCP 按需检索注入。摒弃「改 Agent 源码」「软链接互通」「原生 Session 互导」等不现实方案。本篇直接落地可上线、可简历复用、可个人私有化部署多 Agent 异构 Session专属采集器(Claude/CODex/DSH/OpenCode/Kimi/WorkBuddy/ 豆包)统一消息归一化解析层(解决所有 Schema 异构)增量同步、去重、时间戳对齐核心逻辑。

十年老程序猿,AI 疯狂研究专家,前沿硬核知识分享 460

程序员必学:基于知识图谱的大模型RAG知识库构建全攻略,收藏这一篇就够了!!

文章介绍了RAG技术在解决大模型幻觉、专业力不足和时效性差等问题上的应用,分析了其发展阶段及不足。通过引入知识图谱技术,可有效增强RAG系统在上下文理解、检索质量、时效性、复杂查询处理、可解释性和扩展性等方面的能力。文章详细阐述了基于知识图谱构建RAG知识库的架构、流程、关键技术及工程实践,为构建高质量大模型知识库提供了新思路。

Gaga246的博客 943

Loki 分布式日志中心服务

分布式日志中心 Loki + Promtail + Grafana

原名又逢乱世。不要放下学习的脚步,毕竟比天天打牌、钓鱼、打游戏更能从内在充实自己。 2347

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

AI智能体架构设计全攻略:9大核心技术深度解析(收藏级干货)

文章详解了构建AI智能体架构的9大核心技术,涵盖从基础逻辑到多智能体协作、知识增强和交互协议的全栈体系。这些技术包括AI Agent、代理式AI、工作流、RAG、微调、函数调用、MCP、A2A和AG-UI,共同构成了现代AI智能体的基础框架,帮助开发者构建高效、可靠的AI应用。

2401_84815887的博客 894

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

AI产品经理全攻略:从入门到精通,非常详细收藏我这一篇就够了

需求定义主要要定义清楚以下几点:1、做什么?2、为什么要做,有什么收益和价值?3、业务预期目标、上线期限?为了方便理解,我们以开发一套筛选薅羊毛用户的产品进行举例说明。1、项目背景团队发现负责的项目数据统计有些异常,细查之后,发现存在夜间偷数据的情况,大致行为路径如下:淘宝上买一批手机号,注册新账号。通过自动薅羊毛的方式(新手礼包、每日签到、周任务等),获取免费券等资源。夜深人静的时候,使用免费券或积分批量下载数据。亡羊补牢,犹未晚矣。我们决定开发一套筛选薅羊毛用户的产品,彻底堵住这个缺口。

m0_63171455的博客 1538

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

QGIS地图服务一键添加神器:QuickMapServices使用全攻略

还在为QGIS中添加地图服务而烦恼吗?每次手动配置繁琐的WMS、WFS服务参数是否让你头疼不已?今天我要向你推荐一款能够彻底改变你工作方式的插件——QuickMapServices,让你的GIS工作从此变得轻松高效! ## 🚀 为什么你需要QuickMapServices? 在日常GIS工作中,我们经常需要添加各种地图服务作为底图或数据源。传统方法往往需要: - 手动输入复杂的服务URL

gitblog_00527的博客 1127

生产现场6S管理软件哪个好?2025制造业Top5工具评测+实施要点全攻略

生产现场6S管理软件是制造业优化生产流程、提升效率的重要工具。2025年制造业Top5的6S管理软件包括简道云、SAP、Siemens Teamcenter、Smartbi和PowerBI。简道云适合中小型企业,低成本且操作简单;SAP适合跨国集团,提供全球多语言支持和合规性管理;Siemens Teamcenter适合高端制造企业,具备数字孪生技术;Smartbi适合数据驱动型企业,支持深度数据分析;PowerBI适合成本敏感型企业,提供强大的数据可视化功能。实施6S管理软件时,企业需明确需求优先级,警惕

BeWorkingMan的博客 2148

5分钟掌握多平台数据备份:InfoSpider开源工具全攻略

你是否曾为散落在不同平台的个人数据而烦恼?B站的收藏夹、淘宝的订单记录、知乎的回答、GitHub的代码仓库、网易云音乐的歌单……这些数据分散在各个角落,一旦账号丢失或平台变动,多年的数字足迹可能瞬间消失。今天,我将为你介绍一款开源神器——InfoSpider,它能在5分钟内帮你统一备份超过20个主流平台的个人数据。 ## 数据孤岛时代的个人数据困境 在数字化生活中,我们每天在多个平台留下足迹:

gitblog_00783的博客 319

中文NLP数据集全攻略:从CLUE基准到实战避坑指南

自然语言处理(NLP)是人工智能的核心领域,其核心任务如文本分类、命名实体识别和机器翻译,都依赖于高质量的数据集。数据集的质量直接决定了模型训练的效果和泛化能力。在工程实践中,高效地获取、评估和预处理数据是项目成功的关键。本文聚焦中文NLP领域,深入解析了涵盖文本分类、情感分析等10大任务类别的数据集生态。针对实际应用中的常见痛点,如数据获取困难、格式混乱及质量参差不齐,文章提供了从精准筛选、健康度评估到标准化预处理的全套方法论。特别以权威的CLUE基准数据集为例,演示了从数据探索、清洗到模型训练的完整流程

weixin_33724059的博客 578

数学建模竞赛全攻略:从团队组建到论文写作的实战指南

数学建模是将现实世界复杂问题抽象为数学问题,并通过计算求解的核心方法。其基本原理在于利用数学语言描述系统,通过算法寻找最优或可行解。这一技术价值在于为决策提供量化依据,广泛应用于交通优化、能源调度、金融风控等领域。在数学建模竞赛中,Python因其强大的科学计算库(如NumPy、Pandas)成为主流工具,而LaTeX则是专业论文排面的首选。掌握预测、评价、优化等核心模型,并构建高效的“建模-编程-写作”协作团队,是应对竞赛挑战、将理论知识转化为解决方案的关键。本文聚焦认证杯数学建模网络挑战赛,深入剖析团队

weixin_30681615的博客 406

LightRAG开源了!轻巧、强大,GraphRAG的进化版

现有的RAG系统老是搞不清复杂关系,答案经常被切碎,缺乏上下文,难以真正理解问题。而LightRAG就是来解决这些问题的,它把图结构引入文本索引和检索,采用,从低到高全面覆盖信息。更酷的是,它还能更新数据,保持实时高效的响应,而且它已经开源了哦!并且你现在可以通过简单的API调用来实现多种检索模式,包括本地、全局和混合检索。

2401_84208172的博客 8494

MonkeyOCR从理论到实践——保姆级教程

MonkeyOCR:本文提出“结构-识别-关系”(SRR)三元组范式,实现了高效且精准的文档解析。其3B参数模型在英文文档解析任务中超越了Gemini 2.5 Pro和Qwen2.5-VL-72B。 在对多页文档解析场景下,处理速度达每秒0.84页,显著优于MinerU(0.65页/秒)和Qwen2.5-VL-7B(0.12页/秒)。

guopeiAI 5266

只有3B参数开源OCR大模型!MonkeyOCR媲美MinerU+Gemini 2.5 Pro +Qwen2.5-VL+olmOCR!真实测评+保姆级部署教程!三分钟打造自己的PDF扫描件OCR

MonkeyOCR是一个基于Structure-Recognition-Relation (SRR)三元组范式的轻量级文档解析模型,由华中科技大学和金山办公联合开发。该模型专门用于文档解析任务,能够处理中英文文档。

m0_71165399的博客 3814

大模型入门到精通之GraphRAG、LightRAG、AgenticRAG,如何选择?

如果你真的想学习大模型,请不要去网上找那些零零碎碎的教程,真的很难学懂!你可以根据我这个学习路线和系统资料,制定一套学习计划,只要你肯花时间沉下心去学习,它们一定能帮到你!

2401_85375186的博客 1842
上一篇: Google发布最新开放文本嵌入模型EmbeddingGemma:实现本地化AI应用的完美方案
下一篇: 一文讲清!AI智能体到底是什么?从Agentic AI到AI Agen,核心架构、技术实现与业务应用,建议收藏!!
Agent学习路线
博客等级 码龄6年 1万+粉丝 1902原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值