Agentic BI研究项目
基于多智能体架构的”Talk to Data”企业级 BI 助手，实现自然语言驱动的数据查询与智能分析，集成 Power BI 和 Databricks。
概述
Agentic BI 是一个由 Research 代理自主执行的研究项目，旨在构建企业级”Talk to Data”解决方案。项目背景源于传统 BI 报表的三大痛点：固定报表无法满足即席钻取、依赖”需求-开发-上线”的冗长链路导致决策滞后、深度挖掘高度依赖 SQL/BI 技能造成数据价值难以释放。
解决方案采用多智能体编排架构（Router/Executor/Reviewer），配合预置的业务技能库（Skills Library）确保计算口径100%准确，通过 DuckDB-WASM 实现浏览器端12万行数据毫秒级响应，并严格遵循 Power BI RLS 权限体系。
该项目是 Research 代理创建后的第一个正式研究课题，在实施过程中也暴露了 sessions_spawn 工作区继承的技术问题。
关键点
- 三智能体架构：调度 Agent (Router) 负责意图识别、执行 Agent (Executor) 生成 SQL、校验 Agent (Reviewer) 闭环验证
- Skills Library：预置同比、环比、TopN 等原子函数，通过 Function Calling 消除计算幻觉
- DuckDB-WASM：浏览器端零后端 SQL 引擎，支持12万行数据本地毫秒级响应
- Power BI 集成：通过自定义视觉对象挂载 Databricks 处理后的数据集
- RAG 增强：融合报表数据与企业政策文档，实现制度视角的趋势解读
- 非侵入式设计：弹窗界面，一键嵌入现有门户
技术细节
核心架构
用户自然语言提问
↓
[Router Agent] → 意图识别 + 任务分发
↓
[Executor Agent] → Skills Library / SQL 生成
↓
[Reviewer Agent] → 代码审计 + 逻辑闭环验证
↓
结果返回 + 可视化
核心功能
- 即时问答洞察：自然语言提问，自动调用技能生成叙述性结论
- 复杂计算免 DAX：通过预定义 Skills 处理各类占比计算
- 多维联动分析：基于上下文的连续追问，全局到细节钻取
- 逻辑透明诊断：自动展示 SQL 逻辑与 Agent 推理链
- 启发式探索：根据报表上下文自动推荐潜在问题
- 反馈闭环调优：收集点赞与反馈，持续微调 Prompt 策略
文献调研关键发现
- 多智能体 Text-to-SQL 架构已成熟，Router/Executor/Reviewer 与业界方向一致
- DuckDB-WASM 完全可行：零后端、毫秒级、浏览器端隐私保护
- Power BI Copilot 不支持 Embedded，自建 AI 助手是唯一可行路径
- RAG 增强 schema linking 是提升准确性的关键技术
项目目录结构
workspace-research/projects/agentic-bi/
├── README.md
├── tasks.json
├── notes/
│ └── literature-review.md
├── poc/
└── output/
时间线
- 2026-03-11: 研究课题发送给 Research 代理
- 2026-03-11: Research 代理完成项目初始化：创建
projects/agentic-bi/目录 - 2026-03-11: 第一个任务（文献调研）完成，产出
literature-review.md - 2026-03-11: 发现
sessions_spawn工作区继承问题，文件搬迁到正确工作区 - 2026-03-11: Research 代理开始自主推进后续任务
Prism-Docs Bot
Prism-Docs 是 Prism 五人 Bot 团队中的文档/策略角色（@prism-docs），于 2026-03-13 上线。根据聊天记录：
- 工作区路径：
/home/restry/.openclaw/workspace - 默认模型：
github-copilot/claude-opus-4.6，也测试过gpt-5.4和gpt-5.2 - 角色定位：Prism 中枢的文档与策略助手，专注 Best Practice Guide、Impact Estimate、架构图与演示 PPT/冲奖材料
- 交互风格：开场以”🔮“标识，主动提供任务排期、站会同步、风险梳理等选项
- B2P Hackathon：在 gpt-5.4 模型下自称协助推进 B2P Hackathon 的节奏、协同和交付
BiBot 运维记录
以下信息来源于 bibot 的 Mattermost DM 聊天记录（2026-03-17 ~ 2026-03-30）。
部署架构
开发环境 bi.dev.dora.restry.cn 通过 Caddy 反向代理分流：
/api/*→ 后端 uvicorn (port 8899, PM2 进程:bi-backend)/*→ 前端静态文件 (port 3016, PM2 进程:dev-bi)
生产环境 bi.dora.restry.cn 和 bi.clawlines.net 未部署（项目已归档）。
自定义分析技能（9 个）
位于 poc/v1-simple/backend/skills/ 目录，由 Router Agent 按需调用：
| 技能名 | 用途 |
|---|---|
| general_query | 通用 SQL 查询（兜底技能） |
| year_over_year | 同比分析（保费/理赔同比增长） |
| top_n | TopN 排名（地区/险种/渠道排名） |
| trend | 时间趋势分析（月/季/年粒度） |
| loss_ratio | 赔付率分析（各维度 JOIN 计算） |
| claim_analysis | 理赔深度分析（时效/拒赔率/金额分布） |
| customer_profile | 客户画像（年龄/性别/交叉分析） |
| product_mix | 产品结构（险种占比/新单率/续保率） |
| channel_performance | 渠道绩效（佣金率/代理人产能/排名） |
工作区维护状态
sync.mjs 定期同步显示：
- 工作区：workspace-research-bi，状态健康
- CONTEXT.md：88 行，归档后标记为 stale（正常）
- 任务：6/6 全部完成
- Portal API：返回 404（slug “agentic” 不存在，Portal 服务 localhost:18820 未运行）
修复记录
- 前端 require 报错（2026-03-20）：旧构建（3月18日）包含
require("@logto/react")CommonJS 调用，浏览器不支持。重新npm run build修复 - 后端未运行（2026-03-20）：uvicorn 未启动导致
/api/system-config等接口 502。通过 PM2 托管启动 - Caddy 路由错误（2026-03-19）：配置指向错误端口 5173（实际前端 3016、后端 3017）
- API 代理缺失（2026-03-20）：pm2 serve 不处理
/api代理，修改 Caddy 配置分流 API 和静态文件 - bi-backend 消失（2026-03-30）：重启后消失，重新通过 PM2 启动
BNEF Bot 视角的 Prism PM 运营
以下信息来源于 bnef 的 Mattermost DM 聊天记录（2026-03-13 ~ 2026-03-15）。
Prism PM 任务规划
BNEF Bot 作为 prism-pm 中枢，完成了 Hackathon 两周冲刺的任务规划：
- 21 项任务分 4 阶段：W1-设计(Day 1-2) → W1-开发(Day 3-7) → W2-集成(Day 8-11) → W2-交付(Day 12-14)
- PM 不做具体执行，只做调度追踪和风险预警
- 任务集中在
tasks/active.json，每项有 assignee/due/phase/status - 配置了 3 个 Cron Job：晨会(09:00)、进度检查(16:00)、日报(21:00)
风险管控机制
| 风险类型 | 检测方式 | 应对 |
|---|---|---|
| 逾期 | due < 今天且 ≠ done | 通知负责人 + PM |
| 阻塞 | status = blocked | 协调解决方案 |
| 里程碑滑坡 | 阶段完成率 <50% 且距结束 ≤1天 | 高风险告警 |
| 前端空缺 | prism-ui 无人绑定 | W2 前需确认 |
时间线调整
Day 1 从最初的 3/13 调整为 3/16（周一），新时间线：
3/16(一) ── 3/18(三) ── 3/22(日) ── 3/26(四) ── 3/29(日)
W1-设计 W1-开发 W2-集成 W2-交付
相关页面
- multi-agent-architecture
- model-provider-config
- supabase-platform
- bot-inventory
- prism-bots — Prism 项目 Bot 集群（架构师、数据工程师、前端开发）
- bibot — BiBot 运维机器人
- bnef — BNEF Bot（Prism PM 中枢）
- bnef-event-platform — BNEF 活动管理平台
Hackathon Bot 团队补充信息
以下信息来源于 prism-arch、prism-data、prism-ui 的 Mattermost DM 聊天记录（2026-03-13）。
项目别名
该项目在 Hackathon 中被称为 B2P Hackathon（prism-ui Bot 自我介绍中提及）。
技术选型演进
Bot 的实际自我介绍中反映的技术栈与早期文献调研阶段存在差异，可能代表了 Hackathon 过程中的选型演进：
| 层面 | 文献调研方案 | Bot 实际使用 |
|---|---|---|
| 前端框架 | Streamlit | React + Vite |
| 图表库 | Plotly | ECharts |
| 数据引擎 | DuckDB-WASM (浏览器端) | DuckDB（未明确 WASM） |
| 编排框架 | Router/Executor/Reviewer | LangGraph 多智能体编排 |
多 Agent 分工
5个 Prism Bot 组成完整的虚拟开发团队：
- prism-pm: 项目中枢，任务管理与进度协调（唯一支持
pm前缀触发） - prism-arch: LangGraph 多智能体编排、系统架构设计、Azure OpenAI 对接
- prism-data: DuckDB 建模、SQL 技能实现
- prism-ui: React + Vite 前端框架、ECharts 图表、对话式分析界面
- prism-docs: 文档/策略/PPT
所有 Bot 共享 agent:prism-pm:main 会话，由 prism-pm 中枢统一协调。默认使用 github-copilot/claude-opus-4.6 模型，上下文窗口 128k；切换到 gpt-5.4 时上下文扩展到 400k。
B2P Hackathon 整体规划
以下信息来源于 work_assistant 的 Mattermost DM 聊天记录（2026-03-13）。
活动信息
- 活动: 公司内部 Hackathon（GCR ISD）
- 时长: 2 周
- 团队: B2P（Build to Perfection），14 人分 3 支小队
三支小队
| 小队 | 赛道 | 名称 | Slogan |
|---|---|---|---|
| 队 1 | Track C: Dev & Test | B2P · 造物者 (Forge) | “人类出想法，AI 出代码” |
| 队 2 | Track B: Planning & PM | B2P · 掌舵人 (Helm) | “项目不需要被管理，它需要被驱动” |
| 队 3 | Track D: App Modernization | B2P · Prism（棱镜） | “用人话问数据，让数据说人话” |
Prism 四大交付物
- Working Demo: 10 分钟演示，保险行业数据分析场景
- Running Code: ADO 仓库
b2p-prism，clone-and-run - Best Practice Guide: 工具选型、Prompt 规范、质量检查清单
- Impact Estimate: 传统方式 vs AI 方式量化对比（95% 效率提升）
冲奖目标
- Best Practice Sharing: 可复制的 Playbook + Prompt 模板
- Best AI Tools: 多智能体架构创新 + DuckDB 零部署 + 可量化效率
OpenClaw 团队基础设施
为 Prism 项目在 Eagle 服务器（eagle-sg.southeastasia.cloudapp.azure.com）部署了独立 OpenClaw 实例：
- 5 个 Bot + 5 个 Agent，各使用不同 AI 模型
- 独立 Mattermost 服务器：
mattermost-server.chinanorth3.cloudapp.chinacloudapi.cn - Standup 频道用于每日站会和活动通知
相关页面
- work-assistant — Hackathon 规划的执行代理
- prism-bots — Prism Bot 集群详情
- openclaw-config — OpenClaw 多 Agent 配置
- mattermost-config — Mattermost 服务器迁移
- power-bi-mcp — Power BI MCP Server 分析与集成方案
- traditional-bi-vs-agentic-bi — 传统 BI vs Agentic BI 对比