BI 包含了自助报表（多维分析），而 ChatBI 是 AI 化的 BI，自然也应涵盖 AI 化的自助报表

然而，当前市面上的 ChatBI 大多是全面基于 LLM 实现的，确实能生成分析图表，但都是一次性输出，还是个“黑盒”，如果有不太满意或者错误的地方（大概率有）无法进行局部修改，只能全部重来，重来又可能会改了旧错多了新错
传统自助报表多维分析那种一步步拖拽、随时微调的优势，在纯 ChatBI 中反而丧失了

针对这一痛点，润乾的 AI 自助报表走出了一条截然不同的技术路线

它没有盲目依赖 LLM，而是采用“规则引擎 +LLM 自然语言处理”的混合架构

在这种模式下，LLM 仅作为“智能前台”，负责将用户随意的口语翻译成相对规范的指令；不会直接出图和表

它可以一步步翻译操作，比如先生成一张简单表

然后继续用汉语指令一步步深入分析

也可以整体翻译操作，把用户整个需求规划拆分成一步步对应的操作

不管是哪种方式，它的整个过程都是“白盒”可见的、每一个命令，每一步操作都是可查、可追溯、可随时调整的

比如，当 LLM 翻译语言命令时，在“华北”指标里用到了东北的城市，用户直接就可以发现错误，及时调整对应的分步命令就可以，不用推到重来，确保 LLM 翻译绝对准确以后，再交由润乾自研的，能 100% 准确执行的规则引擎来进行后续的操作

这种白盒机制对 ChatBI 的准确性也有极大帮助，当其他 ChatBI 还在为 LLM 的“幻觉”和错误挣扎时，润乾通过让人类随时介入和纠正，将不确定性限制在可控范围内，既保留了对话的便捷，又守住了数据准确性的底线，让产品真正具备了在企业级复杂场景中可靠落地的底气，这才是让 AI 报表从“玩具”走向“生产工具”的关键所在

AI 化的自助报表已经打包进润乾报表的工具版中，允许无限分发，这样就可以极低成本为中小企业提供 AI+BI 的整体解决方案赋能