-
在设计 DBD 时，我们添加组件可能需要频繁地点击来完成添加组件、添加数据集、添加参数、组件基础设置和样式设置等。润乾推出 DBD 版的 Copilot，支持汉语指令助力完成这些动作，用语句完 ..
-
在企业软件项目中，“报表需求”是个绕不开的话题，也常常是消耗项目利润的主要部分。客户业务不断变化，分析视角也随之调整，今天想看按地区的汇总，明天可能要按产品线细分，后天又需要对比同期数据。这些 ..
-
AIQT 爱量化工作台（https://aiqt.cc/）是供普通股民设计和回测量化策略的页面，下面我们尝试一下用它实现常见的双均线策略。 基本实践 第一步：查看股票数据 打开页面， 在左上角 ..
-
双均价策略 - 内置指标 指标定义： MA，MA5；源指标：收盘价，周期：5 MA，MA10；源指标：收盘价，周期：10 GDX，GDX5_10；短线：MA5，长线：MA10 配置定义： 买入 ..
-
AIQT 策略逻辑 AIQT 爱量化工作台专注基于日 K 线的中低频离线策略设计。所谓离线策略是指下单方式由人工执行，无需接入实时交易系统。即由工作台完成每天的策略计算，并生成交易清单，第二天 ..
-
一、需求说明 1. 报表默认展现时，导出 Excel 文件名为 报表名称 _ 当前日期。 2. 参数查询后：用户选择参数值并点击查询后，导出 Excel 文件名为 报表名称 ..
-
聊到 ChatBI，很多人的第一反应往往是“百亿参数大语言模型（LLM）”、“动辄上百万的智能项目”。行业的热烈讨论，制造了一种错觉：这项能力是财力雄厚、技术栈成熟的大型企业的专属品。 但一个 ..
-
概述 ChatBI 实现了从“问数据”到“操作数据”的全链条自然语言交互。在 NLQ（汉语查询）输入汉语命令，得到查询结果后进入多维分析界面，然后使用 NLR（汉语报表）通过解析用户输入的命令 ..
-
AIQT 量化工作台 可以借助通用 AI 大模型（DeepSeek，千问，豆包，元宝等均可以）来自动生成和优化基于日 K 线的离线量化策略。 向 AI 输入 AIQT 规范文档和提示词，即可引 ..
-
在软件开发领域，程序员的职责不仅限于代码编程任务，报表开发同样是一项关键且耗时的工作。对于代码开发，程序员现在借助 Copilot 等 AI 工具已能大幅提升效率，然而，报表开发与代码编程存在 ..
-
自定义指标的自然语言规则 自定义指标中的表达式，买入条件和卖出条件的程序语句编写支持中文自然语言。中文自然语言的程序语句书写应严格按照如下规则格式。 1. 简单计算项：指计算表达式，可用四则运 ..
-
在 Text2SQL 领域，JOIN 一直是个“终极考场”。不少方案宣称在公开测试集上能达到 90% 以上的惊人准确率，但背后往往存在一个关键“水分”：许多测试是在预先做好的大宽表上进行的，规 ..
-
[链接] 1. 内置指标格式 指标名称，返回参数 1：返回列名 1，返回参数 2：返回列名 2…；输入参数 1：值 1，输入参数 2：值 2，… 当只有单个输出参数时，可以省略返回参数名： 指 ..
-
需求： 在报表或填报表页面，我们经常有导出的需求，而导出的文件名默认为报表名称。可能有的时候并不符合客户想要的，这时要如何自定义导出文件名称呢？ 实现方式 1、固定导出文件名称 利用润乾报表 ..
-
如今，“用大白话分析数据”成了 BI 领域的热门趋势。但市面上许多“chatBI”方案，能力往往止步于 Text2SQL——也就是听懂一句话、查出一张表。比如你说“展示华东区上季度销售”，它能 ..
-
在 AI 时代，编程 Copilot 已成为开发者标配，报表工具也迎来了自然语言交互的革命。作为长期深耕报表领域的技术引领者，润乾始终走在行业创新前沿，从非线性报表到数据准备层解决方案，每一步 ..
-
[图片] NLQ 实施总体路径图 1. 确定系统边界 目标：在业务上确定查询范围，划分系统边界，明确角色和权限。 说明：查询范围建议先划定部分业务，后续逐步扩展到更大的业务范围。根据查询范围， ..
-
背景 大模型的出现带动了 Text2SQL 技术，数据查询貌似变得前所未有的简单，只要会打字、提问，就能轻松获得结果，具有很强的“灵活性”。 但是，大模型天生存在不可克服的幻觉，查询数据的“准 ..
-
8. 应用集成 8.1. NLQ 集成方式 NLQ 对前端应用提供 NLQ JDBC 驱动，目前仅支持嵌入前端应用的方式集成： [图片] 注意：NLQ 服务基于 DQL 服务，请参考《分析教程 ..
-
7. 汇总查询 7.1. 按照维度分组汇总 查询：每个季度的总订单金额 意图：按照维度“季度”分组汇总订单金额。 这里没有指明维度“季度”对应的具体字段，自动到实体“订单”关联簇“订单”中，找 ..
-
如今的商业智能（BI）市场，一片蓬勃景象——国外工具声势浩大，国内产品也同样风生水起，各类解决方案层出不穷，呈现出百花齐放的繁荣态势 然而在这繁荣背后，却隐藏着一个行业共同的尴尬：同质化困局正 ..
-
6. 多表查询 6.1. 查主表，聚合子表 查询：订单表的明细数 意图：查询实体“订单表”，同时对实体词“明细”对应记录计数。 DQL 元数据中，ORDERS 表是主表，通过维度“ORDERS ..
-
5. 聚合查询 5.1. 不分组的聚合 查询：订单金额总计 意图：ORDERS 表所有金额求和 定义聚合词“总计”，词的位置设置为位置在右边，意思是聚合词“总计”在字段词“订单金额”右边，聚合 ..
-
4. 指标计算 4.1. 简单指标 查询：平均订单价值 意图：查订单表的平均金额 在 ORDERS 中，定义指标“平均订单价值”，指标词“平均订单价值”，指标函数：?1.avg(金额)。 [图 ..
-
在这个言必称“大模型”的时代，当几乎所有智能问数方案都在比拼谁的模型参数更多、谁用的 GPU 更贵时，我们却要提出一个“离经叛道”的问题： 如果抛开大语言模型（LLM）和昂贵的 GPU 算力， ..
