Justin

Command Palette

Search for a command to run...

返回作品典藏庫
已完成2026ai-data

Agentic BI / DataOps 副駕

Schema 感知 Text2SQL 加三重 SQL 安全護欄的本地 BI 副駕

面向零售資料倉儲的中英雙語自然語言分析平台。使用者以自然語言提問，系統經 schema retrieval、Text2SQL、三重 SQL 安全驗證、唯讀 DuckDB 執行與圖表推薦完成分析。預設規則式轉換器零 API Key 即可運行，整合 16 階段 DataOps 導覽前端，重點在安全、可解釋與可評估。

網站 Demo查看 GitHubDemo 錄影查看 README

已驗證 Demo 錄影 1

由 portfolio quality pass 從既有專案 demo 素材複製。

31 張截圖3 支 Demo 影片

媒體總覽

快速瀏覽這個專案的截圖與錄影展示。

專案連結與 Demo 狀態

live

網站 Demo

有已驗證 Live Demo 時直接開啟；尚未部署時，使用本頁的執行指南準備手動展示。

github

查看 GitHub

有公開 repository 時直接開啟；尚未確認時，使用本頁原始碼狀態追蹤後續補齊。

video

Demo 錄影

有 Demo 錄影時直接開啟；尚未錄影時，使用本段作為錄影檢查清單。

documentation

查看 README

有 README 時直接開啟；尚未補齊時，使用本案例頁作為文件基準。

專案概覽

## 概述 Agentic BI / DataOps Copilot 是一個面向零售資料倉儲的自然語言分析平台。使用者以中文或英文提問，系統依序完成 schema retrieval、Text2SQL 生成、SQL 安全驗證、查詢執行、圖表推薦、查詢歷史與資料品質檢查。整個專案的核心理念是「安全、可解釋、可評估」，而非讓 agent 看起來炫目。 ## 安全架構 所有 SQL（包含未來 LLM 產生的輸出）都必須通過 `validator.py` 的三重驗證：Pass 1 以 regex 攔截 DROP/DELETE/UPDATE 等 20 多種危險關鍵字與註解注入；Pass 2 以 sqlparse 解析 AST，阻擋多語句、非 SELECT 與註解 token 注入；Pass 3 僅允許白名單內的零售資料表。通過後再以 `read_only=True` 的 DuckDB 連線執行，並注入 LIMIT 與執行緒逾時，形成多層縱深防禦——LLM 永遠不被直接信任。 ## 技術棧與可評估性 後端採 Python 3.11、FastAPI、Pydantic v2 與 DuckDB（in-process OLAP），以 uv 管理套件；SQL 解析使用 sqlparse 與 sqlglot。前端為 React + TypeScript + Vite + TailwindCSS，以 Recharts 視覺化，並由 Playwright 驗證 16 階段導覽與各功能頁。評估面提供基準 YAML 與 `unsafe_rejection_rate`、`valid_sql_rate`、`execution_accuracy`、`false_positive_rate` 等量化指標。 ## 誠實的完成度 規則式 Text2SQL 路徑、驗證器、查詢執行、評估流程與前端皆可端到端運行並附 20+ pytest 測試；資料為完全合成、無真實個資。OpenAI 轉換器目前為 stub，驗證與授權、速率限制、語意檢索與外部基準（Spider/BIRD）列為後續生產化項目。

我的角色

全端開發者：後端架構、SQL 安全驗證器、評估流程與 React 前端

問題背景

讓非技術使用者用自然語言查詢資料倉儲很吸引人，但直接信任 LLM 產生的 SQL 會帶來刪改資料、注入攻擊與失控查詢等風險，且多數 demo 缺乏可評估與可驗證的安全機制。

解決方案

建立 schema 感知的 Text2SQL 管線，所有 SQL（含 LLM 輸出）一律通過三重驗證器（regex 黑名單、sqlparse AST 解析、資料表白名單），再於唯讀 DuckDB 連線執行並注入 LIMIT 與逾時保護；輔以基準 YAML 與量化指標確保可評估。

目前成果

完成可端到端運行的作品集級平台：規則式轉換器零成本運作、20+ pytest 測試、12 案例基準（不安全查詢 100% 攔截目標），並以 Playwright 驗證 16 階段 React 導覽前端。

作品亮點

  • 三重 SQL 安全驗證加唯讀 DuckDB 的縱深防禦
  • 零 API Key 規則式 Text2SQL 即可完整 demo
  • 12 案例基準與量化安全/準確指標
  • Playwright 自動驗證 16 階段導覽前端
  • FastAPI 提供清晰 REST API 與互動式文件
  • 中英雙語提問與語意化資料目錄 (catalog.yaml)

技術挑戰

  • 在攔截危險語句的同時控制誤判率（false positive）
  • 以關鍵字評分做 schema retrieval，需在簡潔與召回間取捨
  • 維持規則式與 LLM 兩條轉換路徑共用同一驗證層

目標使用者

  • 作品集審閱者與面試官
  • 需要快速理解專案目的、技術棧與成熟度的技術讀者

技術亮點

  • 偵測到的主要技術線索：Python 3.11, FastAPI, DuckDB, Pydantic v2, sqlparse / sqlglot, React + TypeScript, Vite, Tailwind CSS, Recharts, Playwright
  • 已有 README 作為後續補齊案例研究的依據
  • 已連接公開 GitHub repository，可從作品集追溯原始碼

系統架構

此專案目前由 portfolio catalog pipeline 依 README、Git metadata、package/build 設定與素材線索建立案例頁。正式架構說明仍需依實際 source code 補齊；目前可確認的技術線索包含：Python 3.11, FastAPI, DuckDB, Pydantic v2, sqlparse / sqlglot, React + TypeScript, Vite, Tailwind CSS, Recharts, Playwright。

資料流程

目前尚未完成可公開的資料流程說明。若此專案含資料處理、AI pipeline 或後端 API，後續應補上 input、processing、storage、UI/output 的端到端流程。

專案結構

agentic-bi-dataops-copilot/
  README.md              # project documentation, when available
  source files           # implementation reviewed by local audit
  package/build config   # detected capability signals

安裝與執行

This project does not expose a verified runnable web command yet. Review the README/source tree and add exact install, run, test, and build commands before interview use.
No verified build command was detected. Treat the current portfolio page as a case-study placeholder until build steps are reviewed.

後續改進

  • 補齊正式 README、截圖與 demo recording
  • 補上架構圖、資料流程與關鍵技術決策
  • 確認 build/test 狀態並更新 portfolio release report

面試說明重點

  • 先說明此專案目前的成熟度與可展示範圍
  • 聚焦在可驗證的技術棧、程式結構與已完成部分
  • 不要宣稱尚未部署、尚未錄影或尚未測試的能力已完成

後續規劃

  • 完成 OpenAI 轉換器（目前為 stub），接上真實 API 呼叫
  • 以 sentence-transformer 嵌入取代關鍵字評分做語意檢索
  • 加入 JWT/OAuth 驗證與速率限制以邁向生產

相關作品