1. 前言

ChatGPT 是一种基于深度学习的人造言语处置技术，可以了解和生成人类言语。与其余人造言语处置技术不同，ChatGPT可以自我训练和生成少量的文本数据。这使得ChatGPT成为了一个弱小的工具，在多个畛域都被宽泛运行。

假设可以经过与ChatGPT对话的形式，智能提取数据和可视化剖析。这将是一件十分 Amazing 的事件！

本文将讨论如何应用 ChatGPT 成功智能数据可视化方案。

2. 方案探求

经常使用过 ChatGPT 的好友都知道，Prompt（揭示词）是协助咱们经常使用 ChatGPT 技术的关键。Prompt 是一种冗长的文本片段，用于向 ChatGPT 提供高低文信息和指点。Prompt 可以蕴含疑问、义务形容、限度条件等，以便 ChatGPT 了解用户的需求并生成更准确的照应。

例如，在BI数据探求中，一个揭示词或者是这样的：“请显示去年每个季度开售额最高的产品。”在这个揭示词中，咱们提供了期间范围、挑选条件和希冀结果。ChatGPT 可以经过了解这个揭示词，智能提取数据，并在图表中出现出合乎条件的产品和开售额数据。假设咱们须要进一步了解某个产品的详细信息，咱们只有要提供更详细的揭示词，例如：“请给我展现去年第一季度开售额最高的产品的多少钱和库存状况。”

Prompt 的设计十分关键，由于它间接影响到 ChatGPT 的照应品质。好的 Prompt 应该具备以下特色：

所以，要想充沛应用 ChatGPT 技术来成功可视化剖析，优化 Prompt 设计至关关键。笔者以为有两种思绪可以思索：第一种是经过 Prompt 疏导 ChatGPT 生成共性化的可视化剖析介绍，并将性能提交给申明式可视化言语（Vega），以便间接启动可视化展现；第二种是经过 Prompt 疏导 ChatGPT 生成数据查问 SQL，而后经常使用社区中的智能化剖析工具（例如 ）对失掉的数据智能可视化展现。

上方将区分引见这两种方案的成功。

2.1 方案1：ChatGPT + Vega

Vega是一种申明式的可视化言语，用于形容数据可视化图表和交互式视图。它支持多种图表类型，包括散点图、线图、柱状图、区域图等，并准许用户定义各种视觉属性，如色彩、大小和状态等。Vega经常使用JSON语法，并提供一个基于Web的编辑器Vega Editor，可以协助用户极速创立和修正可视化图表。它还提供了一系列工具和库，如Vega-Lite和Vega-Embed，以便在不同的运行场景中经常使用。

咱们可以应用 Prompt 提供关键字、指标群体、所需的剖析结果类型等高低文信息，ChatGPT 可以依据这些信息智能生成生命式可视化剖析介绍，而后将其性能提交给申明式可视化言语 Vega，便可以成功智能数据可视化。

这种方法适用于须要高度共性化的场景。

成功流程如下：

首先用户提交正当的 Prompt 提交可视化需求给 ChatGPT，ChatGPT 经过 Prompt 智能生成数据查问 SQL 和 Vega 可视化 JSON 性能，而后将 SQL 提交给数据库失掉剖析数据汇合，最后讲 Vega 性能信息和数据集输入给 Vega 渲染引擎，就可以绘制可视化图表了。

成成成果如下：

可以经过此链接检查

2.1 方案2：ChatGPT + AVA

(A Visual Analytics) 是为了更简便的可视剖析而生的技术框架。它是出自阿里巴巴团体（ ）技术框架（又一个出自阿里大厂的开源框架，说瞎话，阿里国际我最青睐的开源奉献大厂，没有之一！），其指标是成为一个智能化（ ）、智能驱动（ ）、支持增强剖析（ ）的可视剖析处置方案。

AVA 的全体架构如下：

依赖 AVA 框架的弱小设计，咱们只有要提供数据给它，它就会基于输入的数据集，智能启动剖析和洞察。所以，方案2 的外围就是如何极速精准的失掉到用户想要的数据。

成功流程如下：

应用 Prompt 蕴含数据范围、挑选条件等高低文信息，ChatGPT 可以智能生成相应的 SQL 查问语句。而后再将 SQL 提交给数据库失掉数据，最后交给 AVA，智能成功数据剖析和洞察剖析。

成成成果如下：

可以经过此链接检查

3. 名目源码

两种方案代码比拟方便，这里就不贴进去了，感兴味可以间接阅读名目源码。 。名目服务端经常使用 NestJS 成功，前端经常使用 UmiJS + React + Antd。

名目服务端运转前，须要领有 OpenAI 平台的 ，假设国际用户没法失掉，可以经过 平台失掉 和 。间接性能到名目根目录的 文件即可。

文章 banner 图是经过 AIGCaaS 平台提供的 生成的。生成 Prompt 性能如下：

4. 总结

对比以上两种方案，不美观出， Prompt 设计是成功 ChatGPT 技术可视化剖析的关键 。经过正当设计 Prompt，咱们可以更好地利用 ChatGPT 技术，并以更高效的形式启动数据开掘和洞察。无论是经常使用共性化可视化剖析介绍还是智能生成 SQL 查问语句并经常使用智能化剖析工具，正当的 Prompt 设计都可以让咱们比以往更轻松地发现数据中暗藏的价值。

当然除了 Prompt 设计，咱们还须要思索查问效率。咱们无法能每次提交 Prompt 都经过 ChatGPT 启动回复，毕竟这个环节是很费时的，特意是对话高低文比拟复杂的时刻，即使经常使用 GPU 也或者须要数秒或以上的期间。因此，对 ChatGPT 结果启动缓存是很有必要的。

一种经常出现的缓存战略是将 ChatGPT 的输入结果与 Prompt 保留在一个键值对中，以 Prompt 为 key，ChatGPT 输入为 value。这样，在接纳到新的 Prompt 时，咱们可以首先在缓存中查找能否曾经有对应的输入结果。假设找到了，间接前往缓存结果；否则，再调用 ChatGPT 启动计算，并将结果存入缓存中。详细方案还有好多，大家可以亲身尝试。

5. 未来展望

随着人工智能技术的始终开展，ChatGPT 等人造言语处置技术将变得愈加弱小和遍及，并且更好地与可视化剖析相联合，为用户提供愈加直观和高效的数据洞察形式。

未来的可视化剖析也将愈加注重共性化和交互性。即使是同一份数据，在不同的用户需求下所出现的图表也应该是不同的。因此，咱们可以等候 ChatGPT 技术能够更好地理解共性化的 Prompt，并智能为每个用户生成合乎其需求的图表和剖析结果。此外，交互式探求和剖析将成为趋向，这将始终冲击传统的人机交互形式。

智能化可视化剖析还有许多或者的改良方向。例如，经过更深化的对话，ChatGPT 可以更好地了解用户的关注点和需求，并提供更精准的照应；经过联合常识图谱等常识库，ChatGPT 可以更好地理解复杂畛域的专业术语和语义规定，从而更准确地生成剖析结果。

写在最后，以上就是笔者近期经常使用 ChatGPT 的一些探求心得。关于AIGC技术，笔者也在始终学习中。宿愿本文能起到抛砖引玉的作用，假设大家有更好的思绪，欢迎评论区留言。