#AI 员工 · Viz：CRM 场景配置指南

以 CRM 示例为例，了解如何让你的 AI 洞察分析师真正理解业务、发挥全部潜力。

#1. 前言：让 Viz 从"看数据"到"懂业务"

在 NocoBase 系统中，Viz 是预置的 AI 洞察分析师。 他能识别页面上下文（如 Leads、Opportunities、Accounts），生成趋势图、漏斗图和 KPI 卡。 但默认情况下，他只具备最基础的查询能力：

这些工具只让 Viz "认识结构"，还无法真正"理解内容"。 要让他生成洞察、发现异常、分析趋势，你需要为他扩展更合适的分析工具。

在官方 CRM Demo 中，我们使用了两种方式：

• Overall Analytics（通用分析引擎）：模板化、安全的可复用方案；
• SQL Execution（特化分析引擎）：自由度更高，但风险更大。

这两者并不是唯一的选项，它们更像一种设计范式：

你可以照着它的原理，做出更适合自己业务的实现。

#2. Viz 的结构：稳定人格 + 灵活任务

要理解如何扩展 Viz，先要理解他内部是分层设计的：

这样的分层设计，使 Viz 能保持稳定个性（分析逻辑一致）， 同时又能快速适配不同业务场景（CRM、医院管理、渠道分析、生产运营……）。

#3. 模式一：模板化分析引擎（推荐）

#3.1 原理概述

Overall Analytics 是 CRM Demo 中的核心分析引擎。 它通过一张 数据分析模板表（data_analysis） 管理所有 SQL 查询。 Viz 不直接写 SQL，而是调用已定义的模板来生成结果。

运行流程如下：

flowchart TD
    A[Viz 接收任务] --> B[调用 Overall Analytics 工作流]
    B --> C[根据当前页面/任务匹配模板]
    C --> D[执行模板 SQL (只读)]
    D --> E[返回数据结果]
    E --> F[Viz 生成图表 + 简要解读]

这样，Viz 就能在几秒内生成安全、标准化的分析结果， 而管理员能统一管理和审查所有 SQL 模板。

#3.2 模板表结构（data_analysis）

#CRM Demo 中的模板示例

#3.3 这种模式的优势

📘 这张 data_analysis 表并不是必须叫这个名字。 关键是：把分析逻辑模板化存储，由工作流统一调用。

#3.4 如何让 Viz 使用它

在任务定义中，可以明确告诉 Viz：

Hi Viz，

请分析当前模块的数据。

**优先使用：** Overall Analytics 工具，从模板表中获取分析结果。
**若未找到匹配模板：** 说明缺少模板，并建议管理员补充。

输出要求：
- 每个结果独立生成图表；
- 图表下方附 2–3 句简要说明；
- 不编造数据或假设。

这样，Viz 会自动调用工作流，从模板表中匹配最合适的 SQL 并出图。

#4. 模式二：特化型 SQL 执行器（慎用）

#4.1 适用场景

当你需要探索性分析、临时查询、或多表 JOIN 聚合时，可以让 Viz 调用一个 SQL Execution 工具。

这个工具的特点：

• Viz 可以直接生成 SELECT 查询；
• 系统执行后返回结果；
• Viz 负责分析与可视化。

示例任务：

"请分析近90天内各地区的线索转化率变化趋势。"

在这种情况下，Viz 可能会生成：

SELECT region, COUNT(id) AS leads, SUM(converted)::float/COUNT(id) AS rate
FROM leads
WHERE created_at > now() - interval '90 day'
GROUP BY region;

#4.2 风险与防护建议

一般建议：

• 普通用户只启用模板化分析（Overall Analytics）；
• 管理员或高级分析师才可使用 SQL Execution。

#5. 如果你想自己做一个"Overall Analytics"

下面是一个简单的通用思路，你完全可以复制到任何系统中（不依赖 NocoBase）：

#步骤 1：设计模板表

表名随意（如 analysis_templates）。 只要包含字段：name、sql、collection、description 即可。

#步骤 2：写一个"取模板→执行"的服务或工作流

逻辑：

1. 接收任务或页面上下文（如当前 collection）；
2. 匹配模板；
3. 执行模板 SQL（只读）；
4. 返回标准化数据结构（rows + fields）。

#步骤 3：让 AI 调用这个接口

任务提示词可以这样写：

请先调用模板分析工具，如果模板中无匹配分析，再使用 SQL 执行器。
请确保所有查询为只读，并生成图表展示结果。

这样，你的 AI 员工系统就具备了和 CRM Demo 类似的分析能力，但完全独立、可自定义。

#6. 最佳实践与设计建议

#7. 从 CRM Demo 到你的场景

无论你做医院 CRM、生产制造、仓储物流还是教育招生， 只要你能回答以下三个问题，Viz 就能在你的系统中发挥价值：

一旦你定义好这些内容，只需：

• 把分析逻辑写入模板表；
• 把任务提示词挂在页面上；
• Viz 就能"接管"你的报表分析。

#8. 结语：把范式带走

"Overall Analytics" 和 "SQL Execution" 只是两种示例实现。 更重要的是它们背后的思想：

让 AI 员工理解你的业务逻辑，而不是只执行提示词。

无论你用的是 NocoBase、私有系统，还是自己写的工作流， 你都可以复制这种结构：

• 模板集中；
• 工作流调用；
• 只读执行；
• AI 呈现。

这样，Viz 不再只是一个"能出图的 AI"， 而是一位懂你数据、懂你口径、懂你业务的真正分析师。