思语AI智能数据助手

从 “人海战术” 到 “智能协同”，AI+BI 平台正在重构数据分析的生产力标准。

Comment

Inspiration

从 2022 年到 2024 年，APM 性能评估工作经历三轮演进，对分析敏感度依赖增强。同时，大模型技术快速发展，2025 年 deepseekR1 和 manus 系统上线，为数据分析提供支持。思语 AI 项目于 2025 年初启动，旨在整合大模型与业务流程，探索智能分析与任务协同能力。

What it does

应用于 APM 智能分析报告、智能查数、业务数据智能分析报告（异动归因、业务分析报告）等场景。从战略角度，切入垂直领域建设原子能力，沉淀 Agent 全流程构建能力；从产品实现角度，提升数据查询效率、洞察能力，实现自动化报告生成能力。

How we built it

V1 版本：原型验证阶段，人工调用大模型完成分析报告，通过 “手工导出数据 + 离线调用大模型” 方式验证可行性，开发 “一键导出工具”，验证北极星平台数据支持能力，探索形成 “一键生成分析报告” 闭环流程。 V2 版本：走向初步自动化，实现看板数据批量分析能力并自动生成报告，搭建对话平台实现结果可追问、上下文可连续，构建多层级 LLM 结构增强对话平台逻辑处理能力。 V3 版本：迈入 Agent 能力阶段，技术底座从 Java 迁移至 Python，构建 GeneralAgent 打通任务闭环，接入 StrandsAgent 模型探索 Multi - Agent 协作机制，升级交互界面强化任务透明度与执行链路可视性。

Accomplishments that we're proud of

实现从手工分析到自动化分析的转变，构建了完整的大模型能力调用流程和 Multi - Agent 分布式协作体系。 搭建了思语 AI 对话平台，支持对话式分析，增强了模型对业务语境和分析目标的理解力。 形成了具有不同特点的基础版和 Pro 版，适用于不同场景和业务需求。

What we learned

在开发过程中深入了解到不同阶段大模型与业务流程整合的要点，包括数据处理方式、架构搭建、交互设计等方面，认识到在 AI 项目推进中技术选型、模块构建以及用户交互设计等对于项目成功的重要性。

What's next for 思语 AI 智能数据助手

多智能体架构：采用分层架构，通过主智能体分配任务给下层智能体处理，可扩展下层智能体来拓展功能。 UI 交互升级： 贴合业务，推进项目落地：聚焦业务深度融合、项目快速推广、反馈驱动迭代三个方面，推动项目在一线实际工作中落地应用。

Built With

Share this project:

Updates