SuperSonic 0.9.8 正式发布
SuperSonic0 9 8版本以实用与灵活为核心，新增独立大模型管理模块、Dify连接器、维度管理界面及记忆手动注入。支持WITH子句的S2SQL、外键关联、用户确认机制和再试一次按钮，并引入基于LLM的SQL修正与数据解读实验性功能。
距离 SuperSonic 上个版本发布已过去两个月，但不少用户早已从 master 分支抢先体验了新特性，并陆续提交了大量反馈和 Pull Request。可以说，社区的力量为项目注入了强劲动力。0.9.8 版本的核心关键词，可以凝练为两个词：实用与灵活。
在实用层面，从大模型连接、语义层到记忆管理和问答体验，多个模块都迎来了新功能与交互升级；在灵活层面，用户现在可以从更多维度定制自己所需的 Chat BI 环境，例如提示词配置、多轮对话策略、是否启用用户确认机制，乃至 SQL 修正和数据解读均可按需启用。
简单来说，SuperSonic 的“可玩性”提升了一个档次，正在向更通用的 Chat BI 框架持续迈进。
大模型管理：告别分散式配置
过去，大模型的连接配置要么在助理级别局部设置，要么在系统设置中全局完成。但随之而来的是：同一连接如何被多个助理复用？不同场景下如何灵活切换大模型？以及每个场景的提示词如何实现差异化定制？
问题主要聚焦在三个方面：复用、场景选择与提示词定制化。
新版本对这一部分进行了重构。交互上最直观的变化，是新增了一个独立的大模型管理模块，与数据库管理并列。在助理管理下，则新增了大模型配置模块——用户可以为不同场景选择一个大模型连接，同时也能调整对应的提示词。
Dify 连接器：直接响应社区呼声
不少社区用户已经使用 Dify 搭建了 AI 应用工作流，他们期望 SuperSonic 能直接通过 Dify 对接大模型。这一需求非常明确，新版本在接口协议中新增了 DIFY 类型。
维度管理：终于实现可控管理
维度值本质上是企业的私有知识库。SuperSonic 一直支持从数据库自动导入维度值来构建词典，但此前缺少管理界面，用户无法方便地搜索、编辑或维护。新版本升级了维度管理界面，让导入、搜索、编辑等操作变得流畅高效。
记忆管理：手动注入，冷启动更轻松
0.9.4 版本引入的记忆抽象，简单来说就是将历史成功的问答转化为未来的 few-shot 提示词，这是增强大模型生成能力的关键手段之一。理论上，它能让助理实现“持续学习进化”。
但问题在于：如果记忆完全依赖用户实际问答，那么冷启动阶段助理将没有任何记忆可用。此前的解决方式是配置一些示例问题，由系统后台自动触发问答来填充记忆——这属于间接手段。部分专业用户希望直接手动注入记忆。新版本因此新增了手动录入功能。需要提醒的是，Schema 映射和语义 S2SQL 的录入有特定格式，建议参考系统自带的 s2-exemplar.json 案例。
语义 S2SQL：引入 WITH 子句，拓宽应用场景
SuperSonic 的核心理念是融合 Headless BI 与 Chat BI。具体到查询流程，是一条清晰的路径：用户自然语言 → 语义 S2SQL → 数据库 SQL。通过语义层作为中转，优势显而易见：既能充分利用数据语义信息增强理解，又能缩小问题空间，将多表 join、计算公式、SQL 方言等复杂语句对模型屏蔽。
为了应对更多元化的提问，支持带 WITH 子句的 S2SQL 成为必须突破的关卡。新版本对语义层进行了针对性优化，应用场景大幅扩展。
语义建模：外键关联正式到来
前面提到，语义层的重要作用之一是屏蔽复杂语句，例如多表 join。这就要求在建模时，模型间的关联关系必须清晰定义。过去 SuperSonic 仅支持主键之间的关联，这带来了一些不必要的限制。新版本支持定义外键，并实现了外键与主键的关联。
问答交互：用户确认机制，让意图更精准
如何精准理解用户问题，匹配到正确的数据集和指标维度，一直是问答有效性的核心挑战。许多场景下，用户表述与数据语义都存在模糊地带，系统很难稳定命中意图。
此前的做法是使用启发式规则对候选解析结果打分，默认选择得分最高的。但启发式规则几乎无法覆盖所有场景，bad case 自然难以避免。新版本对 Query 流程进行了升级，支持流程暂停——待候选意图解析确认后，再继续执行。
这个用户确认特性可以在助理管理中开启或关闭。关闭时回退到传统启发式规则，开启时则将选择权交给用户。
再试一次：为概率输出提供纠错机会
大模型本质上是概率输出，即便 temperature 设为 0，两次调用也可能产生截然不同的结果。之前 SuperSonic 通过 self-consistency 机制，系统触发多次并行调用，再按投票选出多数相同的结果。新版本更进一步，增加了一个再试一次按钮，让用户自行决定是否重跑。初步经验表明，部分 bad case 在重跑之后结果正确。
基于大模型的 SQL 修正（Experimental）
从初版开始，SuperSonic 就实现了基于规则的 Corrector。但随着社区实践的深入，场景越来越多样化，规则的局限性也逐渐暴露，有时甚至“帮倒忙”。新版本引入了基于大模型的 Corrector，用户可以选择开启，并支持自定义提示词。不过，该特性尚未经过广泛实践验证，因此默认关闭并标记为 Experimental。欢迎社区用户试用反馈，共同推动其迭代优化。
基于大模型的数据解读（Experimental）
SuperSonic 一直默认使用可视化图表来呈现结果，但不少用户提出希望系统能对数据做进一步总结和分析。坦率地说，我们调研过一些具备数据洞察分析能力的产品，目前体验仍较为有限，给出的结论不够深入，食之无味。这也可以理解，因为洞察分析具有强烈的领域属性，很难采用通用模板，必须因地制宜。
虽有不足，但弃之也觉可惜。本着先上线再优化的原则，新版本推出了一个 Experimental 版本。用户在助理管理中打开数据解读后，即可看到该功能。未来可能会设计某种机制，让领域知识和经验融入其中，使其真正变得实用。
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：SuperSonic 0.9.8 正式发布要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点基于ChatGPT的财务分析提示词方案，覆盖基础报表、专项分析、高级工具及特殊场景，包含主控与分场景提示词，可辅助快速生成完整分析报告，显著提升效率与决策质量。
生成健身训练视频时，需在提示词中明确动作细节、人群禁忌、器材环境及训练节奏，避免AI默认生成高强度动作。通过拆分动作路径、加前置限定词、否定式排除及精确到组数次数，可确保输出符合教学意图。
今日港股市场AI概念股集体走强，多只个股涨势喜人。其中，MINIMAX-W涨幅达5 24%领跑，群核科技上涨3 39%，五一视界涨2 94%，壁仞科技上涨2 19%。板块内个股全面飘红，市场做多热情高涨，AI板块成为当日焦点，涨幅领先大盘，投资者积极布局。
基于大模型对售卖端数据进行商品分析，涵盖单品洞察、热销商品、价格分布、趋势洞察等内容，通过数据抓取、格式转换、编写Prompt并调用Claude3Opus实现。二手商品暂不纳入，大模型在数值统计上不如传统方法。
- 日榜
- 周榜
- 月榜
热点快看