workbuddy 数据模型是通过自然语言指令自动完成数据理解、维度度量识别与语义建模的分析层构建工具，涵盖上传→识别→建模→分析→输出五环节，无需手动建表或写sql。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
WorkBuddy 数据模型不是传统意义上的数据库建模工具，而是指它在分析报表时自动理解数据结构、识别维度与度量，并基于语义逻辑构建可计算、可复用的分析层。整个过程无需手动建表或写SQL，靠自然语言指令驱动，核心落在“上传→识别→建模→分析→输出”五个环节。
一、上传并确认数据源结构
支持 Excel（.xlsx）、CSV、Google Sheets 链接及 MySQL/PostgreSQL 直连。关键要求是：
- 首行为清晰字段名，不能合并单元格；
- 日期列建议含“日期”“时间”“年月”等关键词，数值列避免混入单位（如“12000元”需先清洗为“12000”）；
- 上传后系统自动预览，会提示字段类型识别结果（如把“2026/7/1”标为 Date，“销售额”标为 Number），你可手动修正。
二、让 WorkBuddy 自动构建数据模型
这一步不需点击“建模”按钮，而是通过指令触发。例如：
WorkBuddy Visio — Visio 兼容架构图生成器
下载
使用 draw.io（.drawio 格式）和 SVG 生成兼容 Microsoft Visio 的架构图。当用户需要以下任一场景时触发： - 用于 Visio 或技术文档的架构/系统/网络图 - 带连接标注的分层控制系统图 - 将 draw.io XML 转换为稳定、可嵌入的 SVG - 修复 Visio 或 draw.io 无法打开的故障排查类图表 - 任何需专业级布局且文本可编辑的图表
- “按区域、品类、月份分析销售额趋势，识别哪些是维度、哪些是指标”；
- “把‘订单状态’作为分类维度，‘实收金额’作为聚合指标，生成可下钻的数据视图”；
- “定义一个新字段：毛利率 = （销售额 - 成本）/ 销售额，保留两位小数”。
WorkBuddy 会即时生成逻辑字段列表，并在后台建立字段间关系（比如自动关联“客户ID”和“订单表”“回访表”），相当于完成了轻量级星型模型搭建。
三、基于模型做多维分析
模型建好后，所有后续分析都复用该结构，不用重复清洗或匹配。典型操作包括：
- 直接问：“华东区 Q2 各品类销售额同比上季度变化多少？”——它会自动切片、取数、计算同比；
- 说：“对比华北和华南，看客户复购率和客单价差异”——它自动识别“复购率”需按客户ID去重统计，“客单价”=总销售额/订单数；
- 输入：“找出近30天内下单但未付款的客户清单，按城市排序”——它调用模型中的状态判断逻辑+时间过滤+地理维度聚合。
四、导出带模型逻辑的成品报表
最终交付物不只是图表或表格，而是封装了分析逻辑的可执行报表：
- HTML 报告中，每个图表下方会标注“依据字段：区域（维度）、销售额（求和）”，点击还能查看原始 SQL 或计算公式；
- Excel 汇总表里，每列标题旁有小图标，悬停显示该字段来源（如“来自 sales_cleaned 表，经 IF([状态]='已完成', [金额], 0) 计算”）；
- 若后续数据更新，只需重新上传新文件，WorkBuddy 可一键套用原模型刷新全部分析结果，无需重写指令。
