ChatBI MVP Architecture
Architecture de référence pour la construction d'un MVP de BI conversationnel (NL-vers-SQL).
Testé · Fonctionne
Ce que fait
Décrit une architecture ChatBI en 5 couches (NL2SQL via une couche sémantique S2SQL, dialogue multi-tours, rappel de schéma RAG, auto-graphage, analyse d'attribution) basée sur le projet SuperSonic de Tencent. Se déclenche lorsque l'utilisateur souhaite construire un outil d'analyse en langage naturel vers SQL ou se référer à la conception de SuperSonic.
Rapport de test
La tâche de conception 'connecter la requête NL à SQL avec une couche sémantique' a obtenu une réponse directe et superficielle LLM-vers-SQL d'une base non guidée ; la compétence a forcé la division en deux étapes S2SQL puis traducteur déterministe (avec une chaîne correctrice et un vote d'auto-cohérence) qui bloque concrètement le mode d'échec d'hallucination de nom de table auquel la conception naïve est sujette.
Testé le: 2026-07-16 · Claude Code 2.x (agent harness)
Installation
git clone https://github.com/yugef3h/leo-skills mkdir -p ~/.claude/skills cp -r leo-skills/skills/chatbi-mvp ~/.claude/skills/chatbi-mvp
Commandes et exemples de prompts
/chatbi-mvpArchitecture de référence pour la construction d'un MVP de BI conversationnel (NL-vers-SQL).
Les skills se déclenchent sur des demandes en langage courant — aucune commande à retenir. Après installation, des prompts comme ceux-ci l'activent (en anglais) :
Design a natural-language-to-SQL pipeline like Tencent's SuperSonicHow should I architect a conversational BI tool with a semantic layer?Help me avoid table-name hallucination in my NL2SQL chatbot design