自然语言对话：便捷高效的数据访问方式
通过知识库、语义库和提示词工程等技术，增强问数智能体的理解能力，实现高质量的数据查询和分析，充分发挥大模型的推理和分析能力，实现从“精确问题”到“宽泛问题”的问答。
支持进行单指标、多指标数据查询。快速获取某一关键指标或同时分析多个相关指标数据。
支持差额、平均数、中位数、绝对值、排名、比率等常见计算类型，也能根据需求指定计算公式。
利用大模型学习的稽核规则对数据进行全面检查，发现数据异常情况并进行深入分析和总结。
文本类问答可按指定模板格式输出，也能分章节形成简报样式输出。
支持指定算法模型进行预测分析，也可以根据数据的特点自动选择最适合的算法模型精准匹配。
趋势分析、测算分析、对标分析、占比分析等支持通过可视化分析图表、表格呈现详细的数据结果。
支持精准查询特定地区、类型的电价政策等文件，为政策解读、合规执行和决策提供支持。
支持大模型结合已有的业务知识生成报告并在线调整，也可以使用预制模板生成同类型报告。
通过知识库、语义库和提示词工程等技术，增强问数智能体的理解能力，实现高质量的数据查询和分析，充分发挥大模型的推理和分析能力，实现从“精确问题”到“宽泛问题”的问答。
根据应用场景和任务需求，将业务场景的任务细分为多个子任务，通过“小模型感知，大模型理解”、“大模型分发，小模型执行”、“大小模型共同协作”等协同模式，实现能力迁移与资源动态分配，可在关键环节调用大模型保障意图理解、实体识别等核心任务的准确性，同时利用小模型处理高频次、低复杂度的预测分析、实时数据预处理等子任务。
通过自然语言提问，触发图表分析相关能力。若问题中明确指定图表类型，系统将严格按照用户要求解析生成结论描述与可视化动态图表；若用户未作指定，系统会通过大语言模型深度理解提问意图，结合业务场景自动匹配适配的图表类型，再由数据查询智能体解析数据、确定行列维度与度量，结合图表渲染技术完成展示，降低理解门槛。
通过大语言模型（LLM），可以根据用户的分析意图，对数据查询所获取的数据，结合知识图谱及大小模型协同技术，自动检测异常，并进行指标归因和维度归因分析，自动挖掘有价值的信息和潜在规律，提供精准决策支持，提升分析效率和准确性。