by-datacloud 0.1.35

Whale DataCloud - A multi-service data platform

dataCloud 2.0

dataCloud 是一个数智引擎，通过智能构建企业级知识网络，面向大模型、智能应用和业务人员输出业务化组件能力，提升企业数据获取效率与推理准确性。

---

模块概览

用户自然语言
      │
      ▼
┌─────────────────────────────┐
│     datacloud-analysis      │  超级分析智能体：意图识别 → ReAct 推理 → 工具调用 → 响应
└──────────┬──────────────────┘
           │ 依赖
     ┌─────┴──────┐
     ▼            ▼
┌─────────┐  ┌──────────────────┐
│knowledge│  │   datacloud-data │  数据虚拟化：本体加载 → 查询计划 → 跨源执行 → 结果格式化
└─────────┘  └──────────────────┘
术语知识底座

模块	定位	核心能力
datacloud-analysis	分析智能体入口，面向 agent 提供数据查询与推理执行能力	意图识别、贪心参数抽取、渐进降级执行、澄清对话、会话持久化
datacloud-data	数据虚拟化层，面向本体语言提供跨数据源的统一数据访问	本体驱动、同源下沉查询、跨源联邦执行、虚拟动作生成、REST/MCP/GraphQL
datacloud-knowledge	知识服务底座，解决自然语言与系统标准术语之间的语义鸿沟	字段别名解析、术语检索、查询澄清、澄清回填、术语构建 CLI

---

安装总包

pip install by-datacloud

总包会直接打入以下源码模块：

• datacloud-analysis
• datacloud-data[all]
• datacloud-knowledge

安装后可直接导入：

import by_datacloud
import datacloud_analysis
import datacloud_data_sdk
import datacloud_knowledge

---

核心模块

datacloud-analysis

超级分析智能体（Super Analysis Agent），基于 LangGraph 实现从自然语言到数据洞察的完整主链路。

设计思想： 使用前完成本体治理（前置依赖）；运行时在 agent 层贪心——在工具调用前尽可能多地识别任务、抽取参数、消除歧义；降级时在工具层渐进——从简单到复杂逐级兜底。

核心流程：

意图识别 → LLM 多轮推理（ReAct）→ 工具调用（Hook 增强）→ 澄清对话（interrupt）→ 响应格式化

主要特性：

• 贪心参数抽取：工具调用前完成字段映射、复杂条件识别，减少 LLM 轮次
• 渐进降级：优先走 DSL 标准路径（text2DSL），遇到复杂条件自动降级到 text2SQL
• 澄清中断：歧义无法自动消解时，interrupt() 暂停图执行，等待用户确认后恢复
• 会话持久化：基于 PostgreSQL/OpenGauss Checkpointer，支持跨请求状态恢复
• 流式推送：thinking token 和答案 token 逐 chunk 推送，首字节响应 ≤ 1s

公开 API：

from datacloud_analysis.ontology_agent import OntologyAgent, OntologyAgentConfig

agent = OntologyAgent(OntologyAgentConfig(
    api_key="...", model="...", resource_path="...", sql_execute_url="...",
))
async for event in agent.ask(question="查询本月营收", object_codes=["revenue"]):
    ...

详见 packages/datacloud-analysis/README.md

---

datacloud-data

数据虚拟化模块，负责把本体语义语言转化为物理检索或物理操作的数据库语言，并返回执行结果。

定位： 面向本体语言提供跨数据源、跨数据服务、跨数据结构的数据虚拟化服务。

• 跨数据源：允许把两个不同数据源的数据表虚拟成一个本体对象
• 跨数据服务：允许把 DB 数据库表和 API 虚拟成一个本体视图
• 跨数据结构：允许把 DB 数据库表和文档虚拟成一个本体对象

查询执行链路：

自然语言 → LangGraphPlanGenerator（LLM 生成计划）→ 计划校验
  → Executor 分发（SQL / HTTP API / 虚拟动作）
  → Aggregator（同源下沉 / 跨源联邦合并）
  → 结果格式化（术语值转换 + CSV 溢出导出）

公开 API：

from datacloud_data_sdk import InvocationContext, OntologyLoader

loader = OntologyLoader()
loader.load_from_owl_resource_directory(path)
loader.configure(plan_generator=LangGraphPlanGenerator(...), ...)

obj = loader.get_object("sales_bo")
with InvocationContext(tenant_id="t1", user_id="u1"):
    result = await obj.query("查询本月商机列表")

详见 packages/datacloud-data/README.md

---

datacloud-knowledge

知识服务模块，提供术语知识构建、术语查询服务、语义知识推理等能力。

定位： 解决"用户怎么说"和"系统怎么懂"之间的语义鸿沟，为上层分析智能体提供稳定的知识底座。

数据模型核心表：Term（术语主表）、TermName（所有名称/别名）、TermType（类型编码）、TermKnowledge（关联知识）、TermRelation（术语间关系）、TermVocabulary（分词词典）。

公开 API：

from datacloud_knowledge.provider import FunctionKnowledgeProvider

provider = FunctionKnowledgeProvider()
analysis = provider.prepare_query_clarification(
    query="查询近三个月高价值客户",
    ontology_code="sales",
    structured_input={...},
    mode="query",
)

术语构建 CLI：

datacloud-knowledge bootstrap ./path/to/package --schema whale_datacloud

详见 packages/datacloud-knowledge/README.md

---

开发规范

统一遵守根目录规范（根级优先）：

规范文档	说明	优先级
docs/项目规范/CODING_CONVENTIONS.md	Python 编码规范（全项目通用）	根级 · 最高
docs/项目规范/TESTING_CONVENTIONS.md	测试规范与覆盖率要求	根级 · 最高

---

开发指南

环境要求

• Python >= 3.12
• uv >= 0.7

快速开始

# 安装所有 workspace 依赖
uv sync

OntologyAgent 是对外暴露的公开 API，实例应长期持有以充分利用进程级图缓存：

import asyncio
import os
import uuid

from datacloud_analysis.ontology_agent import (
    AnswerEvent, ErrorEvent, InterruptEvent,
    OntologyAgent, OntologyAgentConfig, StepEvent, ThinkingEvent,
)

async def main() -> None:
    config = OntologyAgentConfig(
        api_key=os.environ["DEMO_API_KEY"],
        model=os.environ["DEMO_MODEL"],
        base_url=os.environ["DEMO_BASE_URL"],
        resource_path=os.environ["DEMO_RESOURCE_PATH"],
        temperature=float(os.environ["DEMO_TEMPERATURE"]),
        sql_execute_url=os.environ["DEMO_SQL_EXECUTE_URL"],
    )
    agent = OntologyAgent(config)
    thread_id = str(uuid.uuid4())

    async for event in agent.ask(
        question="查询前3条客户清单数据",
        object_codes=["by_customer"],
        thread_id=thread_id,
    ):
        match event:
            case ThinkingEvent(content=c):
                print(c, end="", flush=True)
            case StepEvent(title=t):
                print(f"\n[{t}]")
            case AnswerEvent(content=a):
                print(f"\n\n=== 答案 ===\n{a}")
            case ErrorEvent(message=m):
                print(f"\n[错误] {m}")
            case InterruptEvent():
                print("\n[需要澄清，调用 agent.resume() 继续]")

asyncio.run(main())

完整示例见 examples/chatbi_demo/。

Monorepo 结构

by_datacloud/
├── pyproject.toml
├── uv.lock
├── README.md
├── docs/
├── src/
├── tests/
├── packages/
│   ├── datacloud-analysis/     # 分析智能体
│   ├── datacloud-data/         # 数据虚拟化
│   ├── datacloud-knowledge/    # 知识服务
│   └── datacloud-memory/       # 会话记忆
└── examples/
    └── chatbi_demo/            # ChatBI 演示工程

Workspace 依赖管理

根 pyproject.toml 中通过 tool.uv.workspace 管理成员。示例：为 datacloud-analysis 添加依赖：

uv add --package datacloud-analysis <package>

pip install by-datacloud

总包会直接打入以下源码模块：

• datacloud-analysis
• datacloud-data[all]
• datacloud-knowledge

安装后可直接导入：

import by_datacloud
import datacloud_analysis
import datacloud_data_sdk
import datacloud_knowledge

项目结构与核心模块

当前仓库采用 Monorepo，目录分为两层：

• packages/：核心 SDK 与基础能力层
• examples/：应用样例与演示工程

核心模块如下：

1. datacloud-analysis（packages/datacloud-analysis）

   • 顶层 AI 分析/编排 SDK（原 datacloud-agent）
   • 依赖 datacloud-data、datacloud-knowledge、datacloud-memory

2. datacloud-data（packages/datacloud-data）

   • 核心数据查询与执行 SDK
   • 提供 NL2Data、异构数据源接入、执行链路能力

3. datacloud-knowledge（packages/datacloud-knowledge）

   • 领域知识、本体、术语检索与约束能力

4. datacloud-memory（packages/datacloud-memory）

   • 会话级与跨会话记忆存储、检索与压缩能力

5. sales_analysis_demo（examples/sales_analysis_demo）

   • 业务样例工程（frontend/、backend/、mock_env/）
   • backend/datacloud_data_service/ 为数据服务层示例实现

开发规范

统一遵守根目录规范（根级优先）：

规范文档	说明	优先级
docs/项目规范/CODING_CONVENTIONS.md	Python 编码规范（全项目通用）	根级 · 最高
docs/项目规范/TESTING_CONVENTIONS.md	测试规范与覆盖率要求	根级 · 最高