ChatBI MVP Architecture
Architettura di riferimento per la costruzione di un MVP di BI conversazionale (NL-to-SQL).
Promosso
Cosa fa
Guida attraverso un'architettura ChatBI a 5 livelli (NL2SQL tramite un livello semantico S2SQL, dialogo multi-turno, richiamo schema RAG, auto-charting, analisi di attribuzione) modellata sul progetto SuperSonic di Tencent. Si attiva quando l'utente vuole costruire uno strumento di analisi da linguaggio naturale a SQL o fare riferimento al design di SuperSonic.
Rapporto di test
Il task di progettazione 'collegare query NL a SQL con un livello semantico' ha ottenuto una risposta superficiale diretta LLM-to-SQL da una baseline non guidata; la skill ha forzato la divisione in due fasi S2SQL-poi-traduttore-deterministico (con una catena correttiva e voto di auto-consistenza) che blocca concretamente la modalità di fallimento 'allucinazione nome tabella' a cui il design ingenuo è incline.
Testato il: 2026-07-16 · Claude Code 2.x (agent harness)
Installazione
git clone https://github.com/yugef3h/leo-skills mkdir -p ~/.claude/skills cp -r leo-skills/skills/chatbi-mvp ~/.claude/skills/chatbi-mvp
Comandi e prompt di esempio
/chatbi-mvpArchitettura di riferimento per la costruzione di un MVP di BI conversazionale (NL-to-SQL).
Gli skill si attivano con richieste in linguaggio naturale, senza comandi da ricordare. Dopo l'installazione, prompt come questi lo attivano (in inglese):
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