润乾NLQ培训课程

智能问数火了两三年，但90%以上的项目最终一地鸡毛。Demo里百发百中，上线后错漏百出，多数方案不肯直面“AI幻觉不可根除”这一事实。

润乾NLQ从设计之初就默认了“LLM一定会产生幻觉”这一前提，创新地使用规范文本作为DSL中间层，让用户得以在执行前确认意图以消除幻觉，继而使用规则引擎实现准确的SQL生成。这套 “AI做前端、规则做后端、人做兜底” 的分层架构，把幻觉严格限制在最前端的语义转换环节，实现了“幻觉可见、可控、可修正”。

本课程将带你走通润乾NLQ的完整实践路径——从DQL元数据建模，到NLQ范式与词典配置，再到LLM辅助集成与部署使用，让你掌握一套真正可落地的智能问数方案。

1. 需要引入 AI 式数据查询能力的应用架构师
2. 需要搭建 AI 式数据查询系统的开发工程师
3. 需要频繁整理数据和建模的数据工程师
4. 受困于业务需求多变的报表开发工程师
5. 具备一定 BI 和 SQL 基础，希望掌握前沿智能问数技术的同学

• 01DQL元数据

  通过TPCH标准数据集建立DQL元数据。重点掌握DQL的外键属性化机制，同时介绍“假表”用于生成维度，以及日期维上层函数（年维、年月维）等设置方法。


• 02NLQ范式

  NLQ支持四种查询范式，从简单到复杂覆盖BI典型场景：
• 单表明细：从单表查询符合条件的详细信息
• 单表聚合：对单表进行分组汇总或整体聚合
• 主子实体：主表关联子表，在主表明细上挂载子表聚合结果
• 多维对齐汇总：按同一维度对齐多个数据源的指标


• 03NLQ词典

  词典是NLQ的核心，定义业务语言到数据世界的映射关系：
• 表与实体：表对应物理表，实体是表的业务化视图（同一表可对应多个实体）
• 宏字段与字段词：宏字段是查询的最小语义单元；字段词是汉语别名，如“订单金额”可设字段词为“金额、总价、销售额”
• 指标：通过表达式定义的聚合度量，复杂指标可采用SPL语法
• 字段簇与簇词：一组业务相关的宏字段集合，用于消除同名字段歧义


• 04LLM辅助

  借助LLM生成DQL元数据和NLQ词典，以简化人工工作量。


• 05部署与使用

5.1 部署

部署NLQ应用，包括JAR包引入、JDBC、词典配置等部署内容。

5.2 查询模式

应用查询模式：用户输入自然语言 → LLM转写为规范文本 → 用户确认 → 规则引擎编译为MQL → 执行查询并返回结果。



5.3 Chat模式

Chat模式支持多轮对话，具备完成跨行运算（同比环比等）、生成图表等诸多能力。

通过本课程的系统学习，您将获得：

1. 掌握DQL元数据配置方法，通过外键属性化为任意多表数据集构建可查询的元数据模型；
2. 精通NLQ四种范式与词典配置，理解自然语言到MQL的完整映射路径；
3. 理解LLM在NLQ架构中的准确定位，掌握“AI做前端、规则做后端、人做兜底”的分层设计思路；
4. 具备独立部署与应用能力，让最终用户通过查询模式和Chat模式完成从数据查询到深度分析的全链路智能问数。

1. 安装润乾报表 这里下载
   智能问数功能在润乾报表强分析版中，下载润乾报表后再申请开发授权可试用
2. 本课程交流群，讲师会常驻群里提供咨询

李松波 润乾售前技术咨询总监

拥有近20年数据分析行业实战经验，长期专注于数据分析、商业智能和数据挖掘领域。作为资深布道师，擅长将复杂的技术转化为可落地的业务解决方案，曾为金融、零售、制造等多个行业的头部企业提供数据咨询服务，主导过多项大型数据项目，助力企业优化运营和提升决策效率。

凭借扎实的技术功底和丰富的实战经验，他的课程注重理论与实际结合，能够深入浅出地讲解专业知识，帮助学员快速掌握数据分析的核心技能并应用于实际工作。