基于Graph-RAG技术的知识库，和传统的dify+ragflow+向量库组合方案比起来，不仅回复的精准度、相关性更优，权限控制也做得更细致，满足不同场景的安全需求。查询时还支持语音输入，不用手动打字，开口就能查。

在客户端中我们可以通过医护数据查询助手来进行复杂问题的查询，点击最终执行后我们可以看到，这个生成的SQL是12张表的关联，我们的系统相比传统大模型N2SQL，具有较强的多表关联SQL解析能力，这也是我们的核心功能之一。

因为报告生成需要时间，所以我们现在用其中一条举例。自定义报告的标题和核心主题，把需求明确传递给系统。系统会通过智能提示词解析，自动把你的任务拆分成三大类：搜索引擎任务——实时抓取互联网上的相关数据，知识库任务——调取专属知识库的权威资料，数据库任务——从数据问答模块查询目标数据集的精准信息。

接下来为大家呈现的这份贫困学生画像，依托AI技术自动生成，可以更有效的对数据基本要素进行分析，既客观还原了数据的基本情况，也深入剖析了消费行为特征与内在逻辑，为大家清晰展现相关关键信息。

为了演示流畅起见，我们已经提前做好一个数据看板。根据已经做好的演示数据看板，除了可以实时查看数据之外，还可以通过大模型的数据解读能力，对数据进行更多视角的解读，辅助业务人员更好地理解数据。

我们还构建了一站式自动生成数据报告的功能，一刻按照预设数据模板，查询并填充数据。这个模板是为了演示，就放了5个数据统计项，我们在高校后勤一卡通的数据报告，实际上可以解析出来43个数据项。