万字拆解！主流BI+AI产品：如何用功能与体验“收拢”不确定性
北京/UI设计师/157天前/1034浏览
版权
万字拆解！主流BI+AI产品：如何用功能与体验“收拢”不确定性
拆解帆软、阿里、网易、腾讯等产品，是如何构建可信AI分析体验。
全文1w+字，建议先收藏哦～
👋嗨，我是范米花儿，好久不见。先说说为什么写这篇文章？前几天有小伙伴来咨询我BI作品集，其中提到希望在作品集内展示ChatBI可信度相关的内容。所以我提出了几个疑问，从设计角度你打算如何讲？结果是否可信真的是设计师能决定的吗？细究起来，现在的工具真的有完全可信的吗？当然，AI该放还是要放，现在作品集里确实要加AI才有竞争力，但别去负责技术结果，多讲讲设计过程。那么从这个角度要如何去讲，如何把不确定性，落地到每一个界面、体验细节上。所以就想借着这个思路，去梳理一篇BI+AI产品文章。开始吧～
本文大纲
图片由NoteBook LLM 生成
现在各行各业都在加速渗透AI，但在BI领域 “一直赶鸭子上架”，落地到企业里很难成为真正的“日常入口”。
其实最底层的原因是：企业的数据世界并不具备“可自然、对等沟通的条件”。
常见于指标命名不统一、数据资产分散、维度层级不一致、权限与数据范围复杂……提问者说的是“业务语言”，系统需要理解并执行的是“数据语言”。
所以很多 ChatBI 呈现出一种典型状态——看起来能聊，但聊着聊着就发现：
聊不稳、聊不准。
当然，近 1–2 年技术路线也在不断进化：从 Text-to-SQL 逐步走向“先对齐语义再取数”，通过语义/指标层 Text-to-Metric、Text-to-DSL 降低歧义，再配合 RAG 知识库与工具调用/Agent 工作流把查询与校验串成链路，减少幻觉。
那么为什么会聊崩呢？
ChatBI 往往不是“某一次算错了”才失败，而是
用户在交互过程中逐渐“信任滑坡”（持续暴露的不确定性）。
本篇文章不展开技术细节（我也讲不明白），想从产品与交互视角盘点：各家 BI+AI 产品是如何用功能与交互把不确定性收拢成“可用体验”的。
本文会从
AI 在 BI 的三种落地形态
讲起，再拆解常见产品如何做
入口分层与用户目标匹配
，最后沿着
用户旅程把“交互引导—过程透明—结果可信—探索复用—沉淀治理”
这一整套串起来。
还有哦～ 为了让大家不局限于本文，能更系统的学习和了解，在文章的附件，我总结了3样内容:
常见产品及资料、产品界面截图（花瓣链接）、ChatBI相关的文章（Ima知识库链接）
AI 在 BI 的三种落地形态
在讲三种落地形态前，想先补一个现实前提：
企业的底座能力会直接决定 AI 落地能做到什么深度。
如果有完整的数据与 BI 底座，会具备做独立分析入口/平台的能力，支持从选域到验证再到沉淀；如果底座较薄或只是局部业务场景，但又想加AI，更务实的方式是做嵌入式（图表/看板就地解读），把上下文锁在当前范围内降低歧义。
形态 1：图表级「洞察摘要」
范围与目标 ：单图范围 + 一次性总结
适用场景 ：
- 单张图的查询范围是明确的
- 目标是提升“看懂图”的效率，而不是做深度分析协作
- 场景更偏轻量：日报看板、运营概览、管理驾驶舱
怎么落到界面里 ：
入口按钮 ：
图表工具栏 / 右键 / 异常点旁
容器 ：
浮层 / 侧边小卡，重点是“不打断”
结构化内容 ：
故事线通常固定为四段
- 结论（发生了什么）
- 证据（对应图上哪段/哪几个值）
- 解释（可能原因）
- 建议（下一步看什么）
常见构成元素/组件 ：
- 「智能分析/AI解读」按钮
- 「概要模式/详细模式」切换（可选）
- 「引用范围」提示
- 「复制/插入到报告」动作按钮
- 「反馈/评价」按钮+ 原因输入框
- 「内容由AI 生成说明」提示说明
形态 2：嵌入式「解读助手」
范围与目标 ：可选范围 + 多轮对话
适用场景 ：
- 页面有可读的“上下文”，全局筛选器、页面状态等，系统能继承并锁定这些范围
- 用户需要跨图综合判断，把多张图串成一段结论（汇报/复盘/诊断/归因）
- 需要多一步操作：先“选范围”，再“解读”，再围绕同一范围追问
怎么落到界面里 ：
入口 ：
看板右上角/工具栏、图表卡片触发+侧边栏补充勾选
容器 ：
常驻侧边栏、浮层弹窗
界面构成 ：
范围与状态区 ：
- 解读范围选择：本图 / 多图 / 全看板
- 已选组件管理：已选数量 + 勾选清单
- 引用范围：时间/筛选/口径版本
- 刷新状态：数据变更提示、更新时间
解读结果区 ：
- 结构化内容：思维链-结论-证据-解释-建议
- 证据锚点按钮：定位图表 / 查看原表/ 查看口径
- 复用动作：复制 / 插入到报告
交互输入区 ：
- 解读方式：一键解读、用户自由输入、智能补全等
- 问题建议：做对比、看趋势等快捷方式（点击即填入输入框或直接发起）
- 对话输入框：追问、补充条件、引用组件等
说明与反馈区 ：AI说明、反馈按钮等
形态 3：独立对话分析
范围与目标 ：独立页/独立产品，从“提问”到“交付物”的完整闭环
适用场景 ：
- 需要从零启动分析任务：不仅解读既有看板，也可以从“选数据域/指标”开始探索
- 需要更深的协作与编排：澄清、拆解、归因、对比、验证，可能要走多步
- 需要输出“可交付物”：报告/看板/多组件，而不是一次性的摘要
- 企业级要求更高：口径可控、权限可解释、血缘可追溯、过程可审计
现实前提 ：这一形态通常需要更强的“数据与 BI 底座”（语义层/指标层、治理、权限等）
怎么落到界面里 ：
不同厂商细节上有差异，但也可以收敛成三大模块：
选域与控制 ：
数据域/数据集选择、指标与维度面板、常用口径与筛选
对话与展示 ：
- 对话不只输出文本，也会输出：图表、表格、步骤卡、待确认项
- 回答结果结构化/卡片化、分析步骤透明、支持中途插入“澄清/改口径/改范围”
验证与资产 ：
- 承载可信度证据链：引用范围、口径、SQL/计算过程、血缘、明细
- 同时承载沉淀入口：保存为模板、生成报告、知识库录入
入口分层与用户目标匹配
针对用户目标的不同，有的人只是想直接问数拿结果，有的人是想完成一类任务（解读看板、做诊断、写汇报），也有人需要更可控的分析方式。
所以通常 BI+AI 产品，会在最开始做“入口分层”，常见做法基本可以归纳为三种：按响应速度、按主路径+辅助功能、按任务矩阵
方式1：按「响应速度/模型类型」分层
极速 / 智能模式
适用场景 ：
- 极速：问题相对明确，只想更快拿到结果
- 智能：问题模糊，希望系统主动把问题改写、补全条件、再去取数
这类切换在通用 AI 对话工具里也很常见，本质是“速度 vs 能力”的预期管理。
分层背后能解决什么 ：
- 用户侧：给使用者一个等待时长与结果准确性的预期
- 产品侧：方便做模型与链路的分配，把性能与成本控在入口
怎么落到界面里 ：
- 模式切换：极速 / 智能，以标签页或下拉菜单形式存在
- Tooltip注释：直接告诉用户差异
- 模式记忆：记住用户上次选择
- 等待反馈：不同模式用不同 loading 文案（例如“快速出数中 / 正在补全条件与校验中”）
方式2：按「主对话 + 辅助能力」分层
主对话路径 + 场景化快捷能力
始终围绕同一个输入框对话推进（问一句 → 得到结果/追问 → 再收敛）。同时在这条主路径旁边，提供场景化的快捷按钮（例如：智能问数、生成报告、生成仪表盘/看板、问思路/分析框架、收藏夹等）。
适用场景 ：
- 问题还不够清晰：先用对话把问题聊清楚、范围收敛，再决定要不要产出报告/看板。
- 对话要能随时“落盘”：聊到一半结论成型，需要一键变成可复用的交付物。
- 平台本身有 BI 底座：生成报告/看板往往会跳转回原 BI 编辑与发布链路继续加工。
分层背后能解决什么 ：
- 用户侧：降低启动压力，允许先用对话快速探索，收敛后，再决定是否把成果落盘。
- 产品侧：把一次对话“收敛成受控输出”，同时把“复杂编辑/沉淀”的活交回 BI 平台，规避在 AI 对话里实现全流程。
怎么落到界面里 ：
输入区+快捷按钮 ：
- 快捷按钮：可点击标签/按钮（智能问数 / 生成报告等）；选中后高亮，支持取消/切换。
- 输入框内嵌：内部嵌入小按钮（如“问思路”），悬停 Tooltip 解释用途。
- 输入引导联动：placeholder、示例问题/快捷补全等，随选项变化。
结果区：
内容结构化展示
- 问数：关键数 + 对应口径/范围摘要 + 明细入口
- 问思路：分析思路建议/示例图表/推荐问题
- 报告：摘要/引用位/行动建议等
沉淀模块 ：
- 收藏：按钮形态，点击后结果被收进收藏夹/BI素材区；页面给“已收藏”状态 + “去收藏夹”入口。
- 生成仪表盘：出现“范围/组件勾选”弹窗或页面，确认后跳转。
BI页面：
跳到原BI编辑器
方式3：按「任务矩阵」分层
智能体矩阵入口（问数/解读/报告/搭建/搜索等）
这种方式很常见，直接把 AI 能力拆成一组入口
，
先选任务，再进入对应的受控流程，而不是一个输入框“自由发挥”。本质上是
把不同目标对应到不同交付物。
比如Quick BI，智能小Q把能力拆成多个入口（问数/解读/报告/搭建/搜索等），同时也支持意图识别自动路由到合适 Agent。
适用场景 ：
用户与场景目标明确：
业务用户/管理者等，打开产品具备明确目的（解读当前看板、写周报、确认异常），比起自由提问，更适合点选任务入口直接开始。
交付物需要标准化：
- 问数：结果卡片（带指标、口径、范围）
- 解读：洞察卡片（结论 + 证据 + 建议）
- 报告：汇报骨架（标题、要点、图表引用位）
- 搭建：看板草稿（可继续编辑的组件结构）
分层背后能解决什么 ：
- 用户侧：先看到“平台能提供什么功能”，再选择“这次要完成什么任务”，对结果形态与使用方式有预期
- 产品侧：不同任务可以绑定不同的工具链路与成本策略（取数/解读/报告/排版/搭建），把不确定性前置收口，体验更稳也更可控。
怎么落到界面里：以智能小Q为例
统一首页入口 + 导航直达 ：
- 统一入口页：进入 AI 后先给一屏可点选的任务入口（问数/解读/报告/搭建/搜索…）+ 示例卡片，让新手先“点任务再开始”。
- 导航直达：侧边栏/顶栏提供“直接进入某个智能体”的入口（比如直接进报告、搭建），熟练或目标明确用户可跳过主页。
模式选择联动输入 ：
顶部用 Tab表达“当前工作方式”：
- 未选中 = 自动识别/智能路由（默认主路径）
- 已选中某智能体 = 指定任务（进入受控链路）
指定后输入区随之联动：
- 输入框 placeholder 、提示文案、示例问题/推荐提示词，换成该任务的提问语境
- 输入形态从“自由提问”变成“带引导的填空式/半结构化输入”
- 可出现任务相关的附加控件（引用范围、数据源、模板/风格等）
结果区标识来源 ：
- 针对未选中，每条输出在标题/角标标识由哪个智能体产出（问数/ 解读 / 报告等）
保留二次切换：
追问时可“改用别的能力”
- 在输入框附近保留轻量切换（下拉/按钮形式）
补充：提供「手动兜底」通道
有些产品会在 Chat 主路径里加一个“兜底动作”：当某些任务用配置化交互更快捷，则用户不需要退出对话回到配置区，而是在对话页内直接发起手动查询。
举例 ：DeepInsight
按照用户旅程（任务启动→过程执行→结果交付→反馈与沉淀），逐个展开产品方案：
本文方案拆解仅覆盖AI 问答体验，不展开 BI 侧的数据建模/语义层、知识库配置、权限与模型配置等前置工作。
任务启动
为了解决用户在启动分析时“不知问什么、如何准确表达”的初始迷茫与意图模糊，通过引导、模板和智能联想等功能，前置收拢问题范围，降低启动门槛。
1.推荐问题
用于在首页提供“可直接点击发起”的示例问题，帮助用户快速开始第一次有效提问，降低门槛。
常见构成元素 ：
模块标题：
推荐提问 / 快捷提问等
推荐项主标题：
通常只展示一句话，可以分为2种类型：
- 问题句：如“2024年销售额Top5的门店”
- 任务句：如“写大促分析报告”
意图标签：
- 分析范式类：对比/趋势/排名/占比等
- 任务类：问数/报告/搭建等
补充说明：
针对主标题的解释，尤其针对任务型文案
刷新操作：
换一换/换一批
轻提示：
省略文字悬停显示、箭头指引
交互 ：
点击推荐条目：
- 直接执行：点击后立刻发送并开始生成结果
- 填入输入框：点击后先填充到输入框，用户可改再发送
点击换一换：
点击后刷新一组推荐项
内容从哪来：内置通用题库、知识库配置
2.提示词模版
前置“可直接套用的提示词骨架/模板”，帮助用户把需求说清楚，从而提升结果准确性并降低试错成本。
核心内容 ：
- 指令示例：一段可复制/可一键填充的模板指令
- 模板分类（可选）：当模板示例较多时，可按任务类型做一层分组，便于用户快速查找，每个分类下提供若干条可直接填充的模板指令
常见出现方式 ：
- 输入框内提示/展开选择：输入框里提供“选择模板/使用示例”的入口，点开后在输入区内切换某类模板
- 输入框旁示例卡片：输入框旁边展示少量示例（文字/小卡片），可复制或一键填充
- 模板库/指令中心：在复杂任务（如搭建看板）中提供多种分类的提示模版合集
交互 ：
- 直接触发：用户点击某个模板指令后，系统直接发起任务并生成结果
- 可修改后发送：点击模板指令后，系统先把内容填充到输入框，确认/修改后再发送
填充后的呈现结果通常有两种：
- 文本填充：模板以一段文字进入输入框，用户通过普通文本编辑修改。
- 槽位化填充：模板以“结构化槽位/标签”的方式呈现（如时间、指标、维度等可点击编辑），用户通过点选方式修改关键参数，再发送。
3.输入联想
当用户在输入框输入内容时，系统实时给出可点击的候选项，帮助用户更快完成表达，并减少歧义。
常见构成元素 ：
下拉菜单：
紧贴输入框展示候选列表（通常3-5条），随输入实时刷新
候选内容：
- 文本：整句关联建议（问题句/指令句）
- 槽位类型：结构化候选（字段/指标/维度等），点击后以“词槽片段”插入输入框
类型标识（可选）：
用标签/图标区分候选类型
交互 ：
- 输入过程反馈：随用户输入实时更新，对候选项中与输入匹配的部分进行命中高亮
- 选择候选后的行为：直接发起请求并生成结果，或者填充后可修改（纯文本/词槽片段）编辑后再发送
4.字段引导与槽位补全
基于用户已选数据集，预先提示“可用的分析指标/维度”，同时直接点选或者在输入过程中将命中的字段以“槽位”形式插入输入框，降低表达成本并提升可执行性。
常见构成元素 ：
- 数据集上下文提示：已选数据/当前数据表，可点击查看明细
- 可用字段提示区（字段引导）：在输入框顶部/内部展示可用的关键指标与分析维度标签
- 槽位化插入内容：当插入字段后，在输入框内以标签片段呈现
交互 ：
- 点击插入：点击字段标签直接插入当前光标位置，可以继续补充自然语言
- 输入补全：输入内容时自动匹配“槽位片段”（与上一条输入联想一致）
- 槽位解释：支持 hover 查看详情，当前词/字段类型/来源表等
5.继续追问（多轮问答）
先说为什么我把它放在启动阶段？ 追问虽然发生在已有结果之后，但它本质是基于已生成内容，再次发起一个新问题/新任务，所以也算是“二次启动”吧～
补充---与普通对话提问的区别：
这里其实可以类比 通用 AI 对话里的“直接提问”与“引用提问”
前者只依赖当前会话与用户输入，后者会显式绑定某一段已生成内容作为上下文，从而让追问更聚焦。
常见构成元素 ：
追问提示列表：
一组可点击的示例（与推荐问题类似），可支持“换一换”
追问模式开关/按钮：
提示当前是否处于追问模式，及退出入口
引用状态（两个位置）：
- 输入区引用条：在输入框内/上方展示“本次提问引用的上下文”
- 用户消息引用标记：在用户发送的气泡上方/内部“引用了哪段内容”
交互 ：
结束追问的两种方式：
模式退出：关闭追问模式
- 关闭按钮式：在追问模式提示条，点击“×”，一键退出追问模式
- 切换按钮式：以“开启/关闭”作为同一按钮的状态切换
清除引用：
在输入框的引用条上点击“×” → 解除当前引用对象，再发送即视为普通提问
过程执行
为了消除AI分析过程的“黑盒”感，缓解用户等待时的焦虑和对过程失控的担忧，通过展示思维链、主动澄清歧义、预确认大纲等方式，将执行过程透明化、可控化。
1.思维链展示
把“AI如何理解意图、如何取数、怎么得到结果”用可读的步骤呈现出来，降低黑盒感。
常见出现方式 ：
卡片内联展示 ：
过程信息直接出现在回答卡片内部，通常与“思考中/执行中”状态一起出现。
适用：步骤较少、信息较轻（总结性文案）、或者长段文字不分步骤，希望用户在同一阅读流里“边等边看”。
独立容器承载 ：
回答卡片只给一个入口（“查看分析过程”），点击在右侧面板或弹窗里呈现完整过程
适用：呈现完整过程，信息密度更高、可承载更多轻量操作。
常见构成元素 ：
各家展示的内容细节会因“任务类型（问数/报表/搭建）”与“厂商透明策略”不同而变化，但结构通常收敛到以下通用形态：
头部标题 ：
- 状态反馈：思考中/取数中/已完成等
- 标题/当前步骤名（可选）：有的产品完全不写标题，只显示“正在思考”；有的会显示“分析过程/执行过程/本次查询”等小标题。
- 交互按钮：折叠/展开图标
过程步骤列表（核心） ：
以“步骤块/步骤条”组织，附带（耗时/阶段数），常见步骤颗粒度包括：
- 意图识别 / 问题理解
- 数据源确认 / 表选择 / 权限校验
- 取数（SQL 生成与执行）
- 聚合计算 / 指标口径处理
- 初步结论 / 结果生成
步骤详情区 ：
每个步骤的介绍信息，通常是可读的业务动作，而非技术术语（但也可能混合呈现 SQL、字段等技术细节）。
呈现方式常见两种：
- 步骤清单 + 下拉详情（每一步点开看细节）
- 步骤条+详情全展开（从上到下完整铺开）
交互 ：
展开 / 折叠：
流式输出时保持可见，完成后收敛为摘要态呈现，用户可手动展开详情。独立承载则不会自动收起，用户可手动控制，同时支持容器本身收起展开。
轻操作：
- 复制类：复制 SQL / 复制某一步文本 / 复制结论摘要
- 查看类：查看引用的数据表/数据源
- 导出类：导出取数结果等
- 结果视图切换：有些过程面板内可直接查看取数结果，并在表格/图表等视图间切换
过程中的人机协作：
当系统在过程里发现歧义/缺参/多解时，会出现歧义澄清面板（见下一条）
2.歧义澄清
通常用于处理输入存在“不确定/不完整/多解”的情况，需要用户二次确认，以换取结果准确性（避免错查/幻觉）。
补充---简单举例3类触发条件：
不同厂商实现方式不一（可能是评分、候选差异、规则判断等），但触发逻辑大体一致：
- 歧义：同一句里某个词可映射多个字段
- 缺参：关键约束缺失（时间范围、筛选条件、分析对象等）
- 多解：有多条可执行路径且影响结果
常见出现方式 ：
- 过程内澄清（拦截式） ：在思维链中插入澄清面板：先确认→再继续执行。
- 结果后澄清 ：先渲染“默认解释”的结果，同时在结果区给一个轻提示入口（如“1 个字段待确认”），用户展开面板确认后，结果刷新。
常见构成元素 ：
触发提示：
如“意图澄清/字段待确认”
澄清问题区（核心）：
- 是/否确认：以切换/按钮组呈现，用户通过“是/否”对一条确认问句做快速确认。
- 候选选择：以下拉选择呈现，用户从候选项中选定一个作为最终映射/口径。
- 补充输入：以输入框呈现，用户补充必要信息后再继续执行。
操作按钮：
确认 / 提交 / 跳过。
记忆按钮：
如“确认并记住我的选择”，用于减少下次重复澄清。
交互 ：
- 确认：选定映射/补齐信息后提交，系统按用户的映射结果继续执行后续步骤
- 跳过：过程内不做澄清，系统给出关键词“暂无明确xxx，最相近xxx”，然后继续输出结果。
- 关闭：用户关闭澄清面板，表示暂不处理，仍然显示“字段待确认”，系统保持当前默认结果不变。
3.内容预确认
在正式生成长内容前（比如智能报告），先把结构大纲给用户确认，减少跑偏与返工成本。
常见构成元素 ：
- 预确认内容区：报告大纲/执行计划等概要文案
- 动作按钮：修改/确定
- 修改输入区：当前页面底部输入框
- 状态标记：如“已修改”等轻量标识
交互 ：
- 确定：系统按当前概要继续生成完整内容
- 修改：底部输入框显示“修改执行计划”；用户在输入框内补充修改意见并发送，系统重新输出概要，再次显示动作按钮
- 修改结果反馈：概要卡片上出现“已修改”等标记
结果交付
为了确保交付的结果可信、可验、可用，而不仅仅是给出一个数字或图表，通过提供溯源、交互探索、视图切换和下钻等能力，赋予用户验证、理解和深度探索结果的控制权。
1.查询溯源（SQL）
在结果已生成后，支持技术用户查看结果背后的取数逻辑与执行依据，快速复核字段口径。
针对非技术用户，很多产品会在「思维链和SQL弹窗内」用业务语言简述
常见构成元素 ：
- 入口按钮：SQL 图标（Tooltip：查看取数逻辑）
- 承载容器：点击后在独立容器展示（小弹窗 / 底部面板 / 侧栏抽屉等）
- 容器标题区：如「AI取数过程 / 查询溯源」
- 视图切换：业务逻辑/执行 SQL
- 说明区：一段简短说明本次取数口径/过滤条件摘要
- SQL 代码区（核心）：以代码块形式展示取数逻辑
- 操作区：复制、全屏、导出等
2.规则调整（二次筛选）
将 AI 的默认口径外露为编辑的筛选槽位，用户既能快速校准结果，也能在当前结果上直接改条件继续探索，避免二次对话交互。
常见构成元素 ：
规则槽位：
以“槽位化”的方式展示并承载可编辑规则，常见包括：
- 筛选条件槽位：时间范围、条件字段
- 指标槽位：指标名 + 聚合口径
- 分组槽位：维度/粒度
选择控件：
槽位的下拉菜单（单选、多选、级联选择等）
结果联动提示：
规则变更后，结果区域出现已更新提示
交互 ：
- 修改槽位：点击槽位，展开下拉修改，确认选择后自动刷新结果。
- 删除槽位：槽位支持一键移除，移除后同样自动刷新
- 刷新与结果反馈：刷新过程中展示轻量加载态；刷新完成后结果会直接更新替换。若条件导致无数据/不可用，给出“无结果/错误提示”。
简单补充---槽位由字段类型决定，常见示例如下：
时间槽位：
- 时间范围：单一时间、起止时间、相对时间（本年、最近N天）
- 时间粒度：年 / 季 / 月 / 周 / 日
指标槽位：
- 指标替换：可用指标列表里切换（如：销售额 ↔ 利润 ↔ 订单数）
- 聚合方式：求和 / 均值 / 计数 / 最大 / 最小等
- 派生口径（可选）：累计/当期、同比/环比等
维度/分组槽位：
- 分组字段替换：可用维度列表里切换（如：门店 ↔ 部门 ↔ 区域）
- 层级/粒度：如 区域→省→市，品类→子品类
条件（操作符）槽位：
是/等于/大于/小于等
3.视图切换
支持结果在表格/不同图表类型之间一键切换，利用不同视觉编码，让用户能从同一结论延伸出更多观察角度。
常见构成元素 ：
切换入口（两种常见形态）：
- 标签栏：表格/图表等以 Tab 直接平铺
- 下拉菜单：点开弹出选择面板（网格图标）
视图候选列表：
- 图标 + 名称（如柱图/折线/饼图/散点/排行榜/指标卡…）
- 可做简单分组、补充图表使用说明等
交互 ：
- 点击切换：选中态高亮，结果卡片自动更新
- 禁用处理：该数据不支持的图表类型保持禁用（或不显示）
- 联动更新：当用户里做了二次筛选后，重新判断是否可切换某图表类型
- 刷新反馈：loading / 骨架屏，若渲染失败，则给出轻提示
4.下钻探索
允许用户把结果继续拆到更细粒度/明细去分析，让探索变成连续路径，避免多次交互询问。
常见构成元素 ：
能力标识（可下钻提示）：
图表工具栏的「下钻」入口
触发入口：
数据图形右键，出现「数据钻取」菜单
下钻方向选择（可选）：
当存在多个可拆分维度/层级时，提供一个选择面板：时间、维度等
承载容器：
- 原位下钻：直接在原图表区域刷新成下一层
- 弹窗/侧栏下钻：在弹窗/侧栏展示钻取结果
路径提示：
面包屑显示当前钻取层级，支持返回
交互 ：
- 未开启 → 已开启：点击「下钻」进入可钻取状态，图标高亮
- 已开启 → 钻取中：右键数据点触发钻取；若存在多层级/多维度，先选择钻取方向再进入下一层
- 钻取中 → 退出：通过面包屑/返回按钮，回到上一层/初始结果
- 已开启 → 未开启：再次点击「下钻」按钮，退出可钻取状态
5.结构化展示
支持把单点结论，扩展为“结论 + 证据 + 异常”等结构化信息，增加结果的可解释性。
常见构成元素 ：
- 主结果区（图 / 表）：
本次问题的核心结果，通常以指标卡/图表/表格等形式展示
- 数据总结：
一段/多段文字总结，对关键数值做概括（总和/均值/最高最低等）
- 异常提示：
对结果中的异常点或显著变化进行标记与归纳（如离群点、突增/突降、波动区间等）
- 追问提示：
提供继续追问入口，引导用户基于当前结论继续展开分析与验证
- 多块结果（多组件联合输出）：
如果用户在单个提问中明确要求“图表 + 总结”等多个交付项时，系统可按模块，分块输出多个结果组件
6.趋势预测
在已有趋势结果上，支持生成未来若干周期的预测段，帮助用户做辅助分析决策。
常见构成元素 ：
能力入口：
图表工具栏显示「预测走势」文字/图标按钮
预测呈现方式（两种常见形态）：
- 原位叠加：在原趋势图上直接刷新
- 弹窗承载：单独打开预测视图
预测图表：
- 颜色区分：预测段使用不同颜色、透明度区分
- 样式区分：常见为线条（虚线/点划线）、柱形图（半透明/纹理填充）等
- 图例区分：拆分为“实际”与“预测”两个系列
预测范围控制：
- 预测区间：预测未来 N 天/周/月（步进器/滑杆）
- 更新预测按钮：基于当前区间重新计算
不确定性提示与解释：
- 提示条/说明：强调“预测数据与真实数据存在差异”
- 预测结论摘要：给出预测区间、预测值范围等一句话总结
交互 ：
- 触发：点击图表工具栏「趋势预测」入口，按钮高亮，同时图表出现预测段图形
- 查看：图表数据点悬停时，Tooltip 显示带“预测”标识的字段信息
- 调整：如果支持调节周期，用户调整后，系统自动触发更新
- 退出：用户再次点击入口关闭预测，图表恢复仅展示真实数据结果解读
7.结果解读
在已有查询结果基础上，提供「结果解读」能力，将图表/表格转成更丰富的结构化文字洞察与要点总结，同时支持导出和加入工作流。
常见构成/解读框架 ：
- 关键结论摘要：1–3 条最重要的发现
- 支撑证据：对应结论的关键指标值，对比/趋势统计等
- 异常与关注点：指出离群点、波动异常等，并写明“发生在哪、影响多大”
- 解释线索/可能原因：围绕异常点或关键变化，给出基于现有数据的可能成因解释
- 建议与分析方向：将洞察转化为可继续探索的追问方向或行动建议
- 附带操作按钮：复制、导出、加入报告等（下一部分讲）
结果反馈与沉淀
为了解决一次性对话无法积累价值、分析过程无法复用的断点问题，通过评价、导出、加入工作流和沉淀为知识等功能，将单次分析成果转化为可协作、可复用的组织资产。
1.评价反馈
在结果下方提供「赞 / 踩」的轻量反馈入口，用于收集用户对结果的主观反馈。
常见构成元素 ：
- 赞/踩按钮：置于结果卡片底部工具区
- 点踩原因弹窗：补充说明输入框
2.导出分享
在对话分析结果上，提供「导出/分享」能力，将当前图表、结论与明细数据一键带出到外部协作。
常见构成元素 ：
- 入口位置：结果工具栏的「导出/分享」按钮，或更多按钮中的下拉菜单项
- 输出对象：默认“当前看到的结果”，并同时附带对应的数据表，权限继承当前结果
- 输出格式：随内容自适配（如 Excel/CSV/图片/PDF等），部分产品会弹窗让用户二次选择格式
- 分享方式：提供复制链接/二维码等轻量方式，可设置公开或私密
3.加入工作流
在对话生成结果的基础上，提供「加入报告 / 生成仪表盘 / 引用到文档」等入口，把一次性回答快速沉淀为可编辑、可复用的分析资产。
典型落地形态举例 ：
- 复制到报告：比如网易，将本次结果作为一个报告模块复制，确认后跳转到报告编辑器继续二次编辑
生成仪表盘：
比如帆软，在多图结果中勾选需要的图表，一键生成仪表盘草稿，跳转到仪表盘搭建页调整布局与筛选
报告引用组件：
比如智能小Q，在分析报告中通过“引用资源”插入已生成图表，默认动态引用
补充---动态引用 vs 静态快照 ：
- 动态引用：会保留“图表 = 某套参数”的关联，后续数据更新时可刷新同步
- 静态快照：固定为当时的图与数，常用于版本归档，不会随数据波动
常见构成元素与交互 ：
入口：
通常以文字按钮或更多按钮内聚合，统一出现在工具栏内
选择与确认：
- 勾选对象：选择本次对话产出的哪些图表/模块要沉淀
- 保存信息：名称、保存位置/目录（有的平台直接默认）
- 确认动作：确定后执行“复制/生成/插入/跳转”
承载方式：
- 跳转式：创建后跳转到BI编辑器
- 插入式：在当前报告中直接插入引用的组件
更新策略说明：
轻量文字提示，默认为动态引用，支持解绑等
4.沉淀为知识
作为补充介绍，不展开讲，可以参考附录知识库的文章
沉淀通常为自动发生，如「歧义澄清」部分，点击「记住我的选择」，确认结果自动转化为结构化知识。
生成可复用的“语义映射规则”，后续解析优先命中该映射，从而减少重复澄清、提升解析稳定性与一致性。
用户只需在必要时查看/编辑，而不是每次都手动配置规则。
附录
见附件PDF最后附录
包含：相关产品及官方资料、产品截图（花瓣链接）、相关文章（Ima知识库）
26
30
分享
评论你的想法~
表情
喜欢TA的作品吗？喜欢就快来夸夸TA吧！
推荐素材
登录注册
26登录即可同步推荐记录哦
30登录即可加入我的收藏
评论登录即可评论想法
分享分享
1