datart -plus重磅升级：数据视图新增 NL2SQL，用自然语言直接生成可治理的 SQL 视图

文档：https://datart-docs.dhyi.top/datart-docs/docs/view.html

涉及模块：数据视图（表视图 / SQL 视图 / 自然语言 SQL 视图）

升级关键词：AI 辅助取数、Text-to-SQL、视图工程化复用

在最新版的 datart 中，数据视图模块迎来了一个关键能力升级——自然语言 SQL 视图（NL2SQL）。

这不仅是“能写 SQL 的机器人”那么简单，而是把 大模型的生成能力​ 无缝嵌入到了 datart 原本成熟的「视图建模 → 权限 → 缓存 → 变量」体系里。

一、从三种视图看本次升级的定位

过去 datart 的数据视图只有两条路：

本次升级新增了第三种路径：

升级本质：

NL2SQL 不是另起炉灶，而是给 SQL 视图加了一个 AI 前置生成器。生成后的 SQL 仍然走原来的执行校验、数据模型构建、权限管控和缓存机制。

二、核心升级亮点一览

亮点 1：自然语言即查询入口，降低取数门槛

用户只需在视图创建时选择「自然语言 SQL」，并描述需求，例如：

统计 2026 年各省份的订单总数和总金额，按金额倒序，保留前 10 个省份

系统调用已配置的 LLM，将这句话转化为标准 SQL 并填入编辑器。

业务人员不再被表结构和字段名拦在门外。

亮点 2：生成即“工程化”，不脱离 datart 管控体系

很多 NL2SQL 方案只做到“吐出一条 SQL”，而 datart 的升级在于：

• 生成的 SQL 进入完整 SQL 视图编辑器（支持美化、片段执行、自动补全）

• 可继续编辑、预览、保存

• 保存后自动继承：

  • 数据模型 / 层次结构 / 计算字段

  • 变量机制（时间、列表、表达式）

  • 并发控制（快速失败 / 延迟刷新）

  • Redis 查询结果缓存

  • 列权限与角色级脱敏

一句话总结：AI 写初稿，平台管落地。

亮点 3：可控的 LLM 接入，支持业务语义沉淀

升级中包含明确的 LLM 配置能力：

• 系统级配置大模型连接（地址、鉴权、类型）

• 支持配置 业务 Prompt 模板，可固化：

  • 行业背景

  • 指标统计口径（如“销售额 = pay_amount 之和”）

  • 时间默认粒度

  • 禁止语法规则

这让 NL2SQL 不是“每次重新教模型”，而是把企业口径写进系统。

亮点 4：Schema 范围可约束，抑制幻觉

• 建视图时可手动勾选「参与生成的表」

• 默认虽发全部 Schema，但强烈建议只选相关表

这对升级体验至关重要：

• 减少 Token 消耗

• 降低多表同名字段导致的 JOIN 错误

• 让生成结果更聚焦

亮点 5：人机协同而非黑盒，保留人工确认环节

datart 没有做“自然语言直接出图表”的激进路线，而是：

自然语言 → SQL → 人工确认 / 修改 → 保存视图

这保证了：

• 关键取数逻辑有人把关

• 复杂性能问题仍可人工调优

• 审计和溯源链条完整

三、这次升级解决了什么老痛点？

四、典型升级收益场景

• 业务自助：区域运营用自然语言看板取数，不再等数据组排期

• 分析师提效：快速把模糊需求转成可改的 SQL 原型

• 口径沉淀：把“GMV 怎么算”写进 Prompt，而不是口口相传

• 平滑迁移：原有 SQL 视图用户无感，只是多了一个 AI 辅助入口

五、升级使用提醒（基于手册）

1. 首次使用必须先配 LLM 连接，否则「生成 SQL」不可用

2. 建自然语言视图时，务必少选表、写清需求

3. 生成后建议人工复核 JOIN 与聚合逻辑

4. 仅整体执行成功才可保存，片段执行仅用于调试

六、小结

datart-plus 本次在数据视图中引入 NL2SQL，核心不是“炫技 AI”，而是：

让自然语言成为受治理的 SQL 视图的起点。

它补齐了从“人话”到“可管控数据资产”的最后一块拼图，也让 datart-plus 在开源 BI 的 AI 化路径上走出了一条更务实的路线。

如果你已经在用 datart 的 SQL 视图和变量体系，这次几乎零成本可升级到datart-plus。

📦 获取方式

• 🔗 仓库地址（Gitee ）：

  datart-plus: datart-plus：datart 增强发行版。增强大屏编辑体验，新增箱线图、雷达图、AntV S2 表格及多项稳定性修复，独立维护，面向企业落地。