前言
apache doris作为一款基于 mpp 架构的高性能、实时分析型数据库，deepseek作为国产top的大语言模型，dify作为88k✨的ai应用开发平台，三者合力打造的chatbi系统，让对话式bi变得触手可及。
整个Doris ChatBI系统工作流程非常清晰：
用户提需求 → DeepSeek进行Text2SQL → Doris执行查询 → DeepSeek分析 → 可视化BI展示
接下来，直接实战体验 ⬇️
从0搭建ChatBI系统步骤一：准备Doris环境并导入数据首先安装Apache Doris，并生成导入TPC-H数据。这个数据集包含了客户、订单和供应商等维度的核心表，非常适合演示ChatBI功能。
? Doris环境部署：https://doris.apache.org/zh-CN/docs/install/deploy-manually/integrated-storage-compute-deploy-manually
? TPC-H数据导入：https://doris.apache.org/zh-CN/docs/benchmark/tpch
可以基于Docker搭建：https://github.com/langgenius/dify
也可以直接使用Dify Cloud：https://cloud.dify.ai/apps
环境初始化后，创建空白应用，选择Chatflow并进行简单配置后创建。
Dify实现的Doris ChatBI流程如下：
1️⃣ Input
需求输入，由对话窗口输入，不用做额外的配置操作。
2️⃣ Text2SQL
LLM节点，本次配的是DeepSeek V3，主要作用是定义自然语言转SQl的核心规则、数据库表信息映射、查询技巧、查询示例、注意事项和输出格式。
例如（演示版，详细配置见DSL附件）：
# 你是数据分析专家，精通Apache Doris，能够根据用户的问题生成高效的SQL查询， 详细规则如下## 核心规则1. 仅使用提供的表和字段2. 确保SQL语句兼容Doris语法3. 输出一个完整的SQL语句，无注释...## 数据库表结构（TPC-H 决策支持基准）### 1. customer（客户表表）...## 查询技巧### 聚合函数- COUNT(): 计算数量- AVG(): 计算平均值- SUM(): 计算总和- MAX()/MIN(): 获取最大/最小值...## 查询示例### 1. 客户订单分布数量查询...## 注意事项 1. 合理使用JOIN条件2. 注意日期格式的一致性3. 使用适当的sql语句以提高查询效率## 输出格式1. 只能输出一个结果的sql语句2. 其它非sql内容必须过滤掉再输出
3️⃣ SQL Formatting
由于LLM生成的结果可能会带换行符或者一些强行解释文字导致SQL没法直接执行，所以通常会有做一些SQL格式化动作：
代码语言：javascript代码运行次数：0运行复制import re def main(text2sql: str) -> dict: text2sql = text2sql.replace('```sql\n', ' ').replace('\n```', ' ').replace('\n', ' ').strip() text2sql = re.sub(r'(LIMIT \d+;).*', r'\1 ', text2sql, flags=re.IGNORECASE) return { "text2sql": text2sql, }4️⃣ Doris Execute
这块可以直接用Database插件的SQL Execute，但需要在安装完插件后，配置授权一下可通信的Doris集群URL，例如：
mysql+pymysql://{user}:{passwd}@{fe_ip}:9030/tpch5️⃣ Json Result（可选）
查询结果进行JSON格式规范：
代码语言：javascript代码运行次数：0运行复制{{ json_result }}6️⃣ Doris ChatBI
LLM节点，配的是DeepSeek V3，主要作用是定义Doris查询结果转可视化BI的核心规则、可视化图表Echart格式定义、处理流程、分析维度、注意事项和输出格式。
例如（演示版，详细配置见DSL附件）：
# Doris ChatBI数据分析专家工作指南## 核心规则1. 直接分析已提供数据，默认数据已满足查询条件。2. 整理SQL查询结果： - 以Markdown表格格式输出，放置在输出开头。 - 以ECharts图表配置项格式输出，放置在最后。图表配置应尽量简洁，避免过多冗余配置项。...## 数据处理流程1.接收JSON格式查询结果2.验证数据完整性3.进行统计分析4.生成分析报告## 常见分析维度1.订单分析- 订单数量- 订单分布- 订单趋势2.客户分布- 下单数量- 地区分布- 消费分布...## 特殊情况处理- 空数据集：直接返回"没有查询到相关数据"- 异常值：如实报告，不作主观判断- 数据缺失：说明缺失情况，不补充假设数据## 输出格式如果上游数据库查询没有结果，则直接结合echarts返回 一个空白图，图中告知：没有查询到相关数据；如果有数据则结合echarts，将数据用适合的图形进行可视化展示
6️⃣ Result
直接回复节点，返回上一步的结果直接输出到对话框。
至此，基于Doris+DeepSeek+Dify，搭建完成了一套≈0代码的Doris ChatBI系统：
Doris ChatBI的魅力不仅在于简化数据获取，更在于能够非常直观地改变了人与数据的交互方式。从"我需要写SQL"到"我想知道答案"，它让数据分析回归本质—解决业务问题。
一位Doris用户形象地总结道："以前Doris数据分析像是在翻译两种语言，虽然快但是绕。而现在，我可以直接用母语和数据对话。"
但还不够，Doris ChatBI的未来：不只是查询工具。
今晚直播间，除了会分享Data Agent、RAG和ChatBI与Doris的结合，还会带来Doris MCP Server & Client的设计、应用及展望，敬请期待！
