SuperSonic 0.9.8版本发布

距离上个版本发布已经过去两个月，但不少用户早已从master分支提前尝鲜了新特性，也陆续提交了不少反馈和PR。说实话，社区的力量确实让项目受益匪浅。0.9.8版本的核心关键词，其实可以概括为两个字：

与。

实用方面，从大模型连接到语义层，再到记忆管理和问答体验，多个模块都迎来了新特性和交互增强；灵活方面，用户现在可以从更多维度定制自己想要的Chat BI环境，比如提示词、多轮对话策略、是否引入用户确认机制，甚至SQL修正和数据解读都能按需配置。

简单来说，SuperSonic的“可玩性”被拉高了一个档次，正在朝着更通用的Chat BI框架迈进。

大模型管理：告别“散装”配置

过去，大模型的连接配置要么在助理级别局部设置，要么在系统设置里全局搞定。但问题也随之而来：同一个连接怎么让多个助理复用？不同场景下怎么切换不同的大模型？以及，每个场景的提示词如何做到差异化定制？

问题主要集中在三个方面：

、和。

新版本对这块做了重构。交互上最直观的变化，就是新增了一个独立的

模块，跟数据库管理并列。在助理管理下，则新增了模块——为不同场景选择一个大模型连接，顺手还能把提示词也一并调整了。

Dify连接器：社区呼声的直接回应

有不少社区用户已经用Dify搭建了AI应用工作流，他们希望SuperSonic能直接通过Dify来对接大模型。这个需求很明确，新版本就在接口协议中加入了DIFY类型。

维度管理：终于能“管”了

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，但问题是没有提供管理界面——导入之后，用户完全不知道该怎么搜索、编辑或者维护。新版本升级了维度管理界面，让

这些操作变得顺手多了。

记忆管理：手动注入，冷启动不难

0.9.4版本引入的记忆抽象，说白了就是把历史成功的QA转成未来的few-shot提示词，这是增强大模型生成能力的主要手段之一。理论上，它能让助理实现“持续打怪升级”。

但问题来了：如果记忆完全依赖用户的实际问答，那就意味着在冷启动阶段，助理根本没有记忆可用。之前的解决方式是配置一些示例问题，让系统后台自动触发问答来填充记忆——这算是一种间接手段。但有些专业用户希望能直接手动注入记忆。新版本就加入了手动新增录入的功能。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：WITH子句加持，场景更广

SuperSonic的核心理念是融合Headless BI和Chat BI。具体到查询流程，就是一条路径：

。通过语义层做中转，好处是显而易见的：既能充分利用数据语义信息来增强理解，又能压缩problem space，把多表join、计算公式、SQL方言这些复杂语句对模型屏蔽掉。

但要想应对更多元化的提问，支持带WITH子句的S2SQL就是必须迈过的坎。新版本对语义层做了针对性优化，应用场景被大大拓宽。

语义建模：外键关联终于来了

前面提到，语义层的一大作用就是屏蔽复杂语句，比如多表join。这就要求在建模时，模型间的关联关系必须定义清楚。过去SuperSonic只支持主键之间的关联，这其实带来了一些不必要的限制。新版本支持定义

，并且能实现外键与主键的关联。

问答交互：用户确认，让意图更精准

如何精准理解用户的问题，匹配到正确的数据集和指标维度，一直是问答有效性的关键。很多场景下，用户的问法和数据语义都有模糊地带，系统很难十拿九稳地命中意图。

之前的做法是，用启发式规则对候选解析结果打分，默认选得分最高的。但启发式规则几乎不可能覆盖所有场景，bad case自然少不了。新版本对Query流程做了升级，支持流程暂停——等候选意图解析确认后，再继续走下去。

这个

特性可以在助理管理中开启或关闭。如果关闭，就用回传统的启发式规则；如果开启，就把选择权交给用户。

再试一次：给概率输出一个“纠正”机会

大模型本质上是概率输出，即便temperature设为0，两次调用也可能给出完全不同的结果。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

按钮，让用户决定要不要重跑。初步经验表明，有些bad case在重跑之后，结果就对了。

基于LLM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，规则的局限性也逐渐暴露出来——有些时候甚至“帮倒忙”。新版本引入基于

，用户可以选择开启，还能自定义提示词。不过，这个特性还没有经过广泛的实践验证，所以暂时默认关闭，并标记为Experimental。欢迎社区用户试用反馈，一起帮助它迭代优化。

基于LLM的数据解读（Experimental）

SuperSonic一直默认用可视化图表来呈现结果，但也有不少用户提过，希望系统能对数据做进一步的总结和分析。坦白讲，我们调研过一些具备数据洞察分析能力的产品，感觉目前还比较鸡肋——给出的结论不痛不痒，食之无味。这其实可以理解，洞察分析有强烈的domain属性，很难有通用模板，必须因地制宜。

虽说食之无味，但弃之也可惜。本着先上线再优化的原则，新版本也推出了一个Experimental版本。如果用户在助理管理中打开

，就能看到这个功能。未来可能会设计某种方式，让domain知识和经验融入进来，让它真正变得实用。

- End -