logologo
Start
Handleiding
Ontwikkeling
Plugins
API
English
简体中文
日本語
한국어
Deutsch
Français
Español
Português
Русский
Italiano
Türkçe
Українська
Tiếng Việt
Bahasa Indonesia
ไทย
Polski
Nederlands
Čeština
العربية
עברית
हिन्दी
Svenska
Start
Handleiding
Ontwikkeling
Plugins
API
logologo
Overzicht

Snelstart

LLM-service configureren
AI-medewerker aanmaken
Samenwerken met AI-medewerker

Ingebouwde AI-medewerkers

Overzicht
Viz: Inzichtanalist
Orin: Datamodelleringsexpert
Dex: Data-opschoningsexpert
Nathan: Frontend-ontwikkelaar

Geavanceerd

Blok selecteren
Gegevensbronnen
Vaardigheden
Taken
Online zoeken
Toegangsbeheer
Bestandsbeheer

Workflow

LLM-node

Tekstgesprek
Multimodaal gesprek
Gestructureerde output

AI-kennisbank

Overzicht
Vectordatabase
Vectoropslag
Kennisbank
RAG

Applicatiedocumentatie

Scenario's

Viz: CRM-scenario configuratie

Configuratie

Beheerdersconfiguratie
Prompt-gids
Previous PageRAG
Next PageBeheerdersconfiguratie
TIP

Dit document is vertaald door AI. Voor onnauwkeurigheden, raadpleeg de Engelse versie

#AI Medewerker · Viz: CRM Scenario Configuratiegids

#AI Medewerker · Viz: CRM Scenario Configuratiegids

Gebruik het CRM-voorbeeld om te leren hoe u uw AI-inzichtanalist echt uw bedrijf kunt laten begrijpen en zijn volledige potentieel kunt benutten.

#1. Introductie: Hoe Viz van 'data zien' naar 'business begrijpen' gaat

In het NocoBase-systeem is Viz een ingebouwde AI-inzichtanalist. Hij kan de paginacontext herkennen (zoals Leads, Opportunities, Accounts) en trendgrafieken, trechtergrafieken en KPI-kaarten genereren. Standaard beschikt hij echter alleen over de meest basale zoekmogelijkheden:

ToolFunctiebeschrijvingBeveiliging
Collectienamen ophalenLijst met collecties ophalen✅ Veilig
Collectiemetadata ophalenVeldstructuur ophalen✅ Veilig

Deze tools laten Viz alleen de 'structuur herkennen', maar nog niet echt de 'inhoud begrijpen'. Om hem in staat te stellen inzichten te genereren, afwijkingen te detecteren en trends te analyseren, moet u hem uitbreiden met geschiktere analysehulpmiddelen.

In de officiële CRM Demo hebben we twee methoden gebruikt:

  • Overall Analytics (Algemene analyse-engine): Een gestandaardiseerde, veilige en herbruikbare oplossing;
  • SQL Execution (Gespecialiseerde analyse-engine): Biedt meer flexibiliteit, maar brengt grotere risico's met zich mee.

Dit zijn niet de enige opties; ze lijken meer op een ontwerpparadigma:

U kunt de principes ervan volgen om een implementatie te creëren die beter aansluit bij uw eigen bedrijf.


#2. De structuur van Viz: Stabiele persoonlijkheid + flexibele taken

Om te begrijpen hoe u Viz kunt uitbreiden, moet u eerst zijn gelaagde interne ontwerp begrijpen:

LaagBeschrijvingVoorbeeld
RoldefinitieDe persoonlijkheid en analysemethode van Viz: Begrijpen → Zoeken → Analyseren → VisualiserenVast
TaakdefinitieAangepaste prompts en toolcombinaties voor een specifiek bedrijfsscenarioAanpasbaar
ToolconfiguratieDe brug voor Viz om externe gegevensbronnen of workflows aan te roepenVrij vervangbaar

Dit gelaagde ontwerp stelt Viz in staat een stabiele persoonlijkheid te behouden (consistente analyselogica), en zich tegelijkertijd snel aan te passen aan verschillende bedrijfsscenario's (CRM, ziekenhuisbeheer, kanaalanalyse, productieactiviteiten...).


#3. Patroon één: Gestandaardiseerde analyse-engine (aanbevolen)

#3.1 Principeoverzicht

Overall Analytics is de kernanalyse-engine in de CRM Demo. Het beheert alle SQL-zoekopdrachten via een collectie voor data-analyse templates (data_analysis). Viz schrijft niet direct SQL, maar roept vooraf gedefinieerde templates aan om resultaten te genereren.

De uitvoeringsstroom is als volgt:

flowchart TD
    A[Viz ontvangt taak] --> B[Roept Overall Analytics workflow aan]
    B --> C[Matcht template op basis van huidige pagina/taak]
    C --> D[Voert template SQL uit (alleen-lezen)]
    D --> E[Retourneert dataresultaat]
    E --> F[Viz genereert grafiek + korte interpretatie]

Op deze manier kan Viz binnen enkele seconden veilige en gestandaardiseerde analyseresultaten genereren, en kunnen beheerders alle SQL-templates centraal beheren en beoordelen.


#3.2 Structuur van de template collectie (data_analysis)

VeldnaamTypeBeschrijvingVoorbeeld
idIntegerPrimaire sleutel1
naamTextNaam van analyse templateLeads Data Analysis
collectieTextCorresponderende collectieLead
sqlCodeAnalyse SQL-statement (alleen-lezen)SELECT stage, COUNT(*) FROM leads GROUP BY stage
beschrijvingMarkdownTemplatebeschrijving of definitie"Aantal leads per fase"
createdAt / createdBy / updatedAt / updatedBySysteemveldAuditinformatieAutomatisch gegenereerd

#Templatevoorbeelden in de CRM Demo

NaamCollectieBeschrijving
Account Data AnalysisAccountAccount Data Analyse
Contact Data AnalysisContactContactpersoon Analyse
Leads Data AnalysisLeadLead Trend Analyse
Opportunity Data AnalysisOpportunityOpportunity Fase Trechter
Task Data AnalysisTodo TasksStatistieken To-do Taken Status
Users (Sales Reps) Data AnalysisUsersVergelijking Prestaties Verkoopvertegenwoordigers

#3.3 Voordelen van dit patroon

DimensieVoordeel
BeveiligingAlle SQL wordt opgeslagen en beoordeeld, waardoor directe zoekopdrachtgeneratie wordt vermeden.
OnderhoudbaarheidTemplates worden centraal beheerd en uniform bijgewerkt.
HerbruikbaarheidDezelfde template kan door meerdere taken worden hergebruikt.
PortabiliteitKan eenvoudig naar andere systemen worden gemigreerd, vereist alleen dezelfde collectiestructuur.
GebruikerservaringZakelijke gebruikers hoeven zich geen zorgen te maken over SQL; ze hoeven alleen een analyseaanvraag te initiëren.

📘 Deze data_analysis collectie hoeft niet per se zo te heten. Het belangrijkste is: analyse-logica gestandaardiseerd opslaan en deze uniform laten aanroepen door een workflow.


#3.4 Hoe Viz dit te laten gebruiken

In de taakdefinitie kunt u Viz expliciet vertellen:

Hoi Viz,

Analyseer alstublieft de data van de huidige module.

**Prioriteit:** Gebruik de Overall Analytics tool om analyseresultaten uit de template collectie te halen.
**Indien geen overeenkomende template gevonden:** Geef aan dat een template ontbreekt en stel voor dat de beheerder deze toevoegt.

Outputvereisten:
- Genereer voor elk resultaat een afzonderlijke grafiek;
- Voeg onder de grafiek een korte beschrijving van 2-3 zinnen toe;
- Verzin geen data of aannames.

Op deze manier roept Viz automatisch de workflow aan, matcht de meest geschikte SQL uit de template collectie en genereert de grafiek.


#4. Patroon twee: Gespecialiseerde SQL-executor (voorzichtig gebruiken)

#4.1 Toepasselijke scenario's

Wanneer u verkennende analyses, ad-hoc zoekopdrachten of JOIN-aggregaties van meerdere collecties nodig heeft, kunt u Viz een SQL Execution tool laten aanroepen.

De kenmerken van deze tool zijn:

  • Viz kan direct SELECT zoekopdrachten genereren;
  • Het systeem voert deze uit en retourneert het resultaat;
  • Viz is verantwoordelijk voor analyse en visualisatie.

Voorbeeldtaak:

"Analyseer alstublieft de trend van leadconversiepercentages per regio over de afgelopen 90 dagen."

In dit geval zou Viz het volgende kunnen genereren:

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 Risico's en beschermingsaanbevelingen

RisicopuntBeschermingsstrategie
Genereren van schrijfbewerkingenDwingende beperking tot SELECT
Toegang tot irrelevante collectiesValideer of de collectienaam bestaat
Prestatierisico bij grote collectiesBeperk tijdsbereik, gebruik LIMIT voor het aantal rijen
Traceerbaarheid van bewerkingenSchakel zoekopdrachtlogging en auditing in
GebruikersrechtenbeheerAlleen beheerders kunnen deze tool gebruiken

Algemene aanbevelingen:

  • Reguliere gebruikers moeten alleen gestandaardiseerde analyse (Overall Analytics) ingeschakeld hebben;
  • Alleen beheerders of senior analisten mogen SQL Execution gebruiken.

#5. Als u uw eigen 'Overall Analytics' wilt bouwen

Hier is een eenvoudige, algemene benadering die u in elk systeem kunt repliceren (niet afhankelijk van NocoBase):

#Stap 1: Ontwerp de template collectie

De collectienaam kan willekeurig zijn (bijv. analysis_templates). Het hoeft alleen de velden name, sql, collection en description te bevatten.

#Stap 2: Schrijf een 'Template ophalen → Uitvoeren' service of workflow

Logica:

  1. Ontvang de taak of paginacontext (bijv. de huidige collectie);
  2. Match een template;
  3. Voer de template SQL uit (alleen-lezen);
  4. Retourneer een gestandaardiseerde datastructuur (rijen + velden).

#Stap 3: Laat de AI deze interface aanroepen

De taakprompt kan als volgt worden geschreven:

Roep eerst de template-analysetool aan. Als er geen overeenkomende analyse in de templates wordt gevonden, gebruik dan de SQL-executor.
Zorg ervoor dat alle zoekopdrachten alleen-lezen zijn en genereer grafieken om de resultaten weer te geven.

Op deze manier beschikt uw AI-medewerkersysteem over analysemogelijkheden die vergelijkbaar zijn met de CRM Demo, maar het is volledig onafhankelijk en aanpasbaar.


#6. Best practices en ontwerpaanbevelingen

AanbevelingBeschrijving
Geef prioriteit aan gestandaardiseerde analyseVeilig, stabiel en herbruikbaar
Gebruik SQL Execution alleen als aanvullingBeperkt tot interne debugging of ad-hoc zoekopdrachten
Eén grafiek, één kernpuntHoud de output duidelijk en vermijd overmatige rommel
Duidelijke templatenamenNoem volgens de pagina/bedrijfsdomein, bijv. Leads-Stage-Conversion
Beknopte en duidelijke uitlegVoorzie elke grafiek van een samenvatting van 2-3 zinnen
Geef aan wanneer een template ontbreektInformeer de gebruiker 'Geen corresponderende template gevonden' in plaats van een lege output

#7. Van de CRM Demo naar uw scenario

Of u nu werkt met een ziekenhuis-CRM, productie, magazijnlogistiek of onderwijsinschrijvingen, zolang u de volgende drie vragen kunt beantwoorden, kan Viz waarde toevoegen aan uw systeem:

VraagVoorbeeld
1. Wat wilt u analyseren?Leadtrends / Dealstadia / Apparatuurgebruikspercentage
2. Waar bevindt zich de data?Welke collectie, welke velden
3. Hoe wilt u het presenteren?Lijngrafiek, trechter, cirkeldiagram, vergelijkingstabel

Zodra u dit hebt gedefinieerd, hoeft u alleen maar:

  • De analyse-logica in de template collectie te schrijven;
  • De taakprompt aan de pagina te koppelen;
  • Viz kan dan uw rapportanalyse 'overnemen'.

#8. Conclusie: Neem het paradigma mee

'Overall Analytics' en 'SQL Execution' zijn slechts twee voorbeeldimplementaties. Belangrijker is de gedachte erachter:

Laat de AI-medewerker uw bedrijfslogica begrijpen, in plaats van alleen prompts uit te voeren.

Of u nu NocoBase, een privé-systeem of uw eigen aangepaste workflow gebruikt, u kunt deze structuur repliceren:

  • Gecentraliseerde templates;
  • Workflow-aanroepen;
  • Alleen-lezen uitvoering;
  • AI-presentatie.

Op deze manier is Viz niet langer slechts een 'AI die grafieken kan genereren', maar een echte analist die uw data, uw definities en uw bedrijf begrijpt.