ChatBI MVP Architecture
Referentie architectuur voor het bouwen van een conversationele BI (NL-naar-SQL) MVP.
Getest · Werkt
Wat het doet
Doorloopt een 5-laags ChatBI architectuur (NL2SQL via een semantische S2SQL laag, multi-turn dialoog, RAG schema recall, auto-charting, attributie analyse) gemodelleerd naar Tencent's SuperSonic project. Triggers wanneer de gebruiker een natural-language-to-SQL analytics tool wil bouwen of SuperSonic's ontwerp wil refereren.
Testrapport
Design taak 'NL query koppelen aan SQL met een semantische laag' kreeg een oppervlakkig direct-LLM-naar-SQL antwoord van een ongeleide baseline; de skill dwong de tweestaps S2SQL-dan-deterministische-vertaler splitsing (met een corrector keten en self-consistency voting) die concreet de table-name-hallucinatie faalmodus blokkeert waar het naïeve ontwerp gevoelig voor is.
Getest op: 2026-07-16 · Claude Code 2.x (agent harness)
Installatie
git clone https://github.com/yugef3h/leo-skills mkdir -p ~/.claude/skills cp -r leo-skills/skills/chatbi-mvp ~/.claude/skills/chatbi-mvp
Commando's en voorbeeldprompts
/chatbi-mvpReferentie architectuur voor het bouwen van een conversationele BI (NL-naar-SQL) MVP.
Skills reageren op gewone verzoeken — geen commando's om te onthouden. Na installatie activeren prompts zoals deze de skill (in het Engels):
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