如何用自然语言筛选报表数据
浏览报表时经常需要变更条件查看不同数据，通常可以借助参数模板实现。但参数较复杂时，传统参数模板操作繁琐、灵活性不足，而且也不太适应当前的AI时代。
润乾报表推出汉语命令查询功能，将参数模板升级为智能对话接口，用户只需用自然语言描述条件即可精准查询，无需反复操作控件，实现更加灵活高效的数据探索。
目前参数模板的汉语命令提供过滤和排序两种功能。实现过滤有两种做法，一是将汉语转换为参数传入报表实现过滤；二是将汉语翻译成表达式，作为宏传入报表。面对口语化的查询描述，它还可以和公共LLM配合规范化。让我们来看看怎么用起来。
一，汉语转换成参数
- 设计报表
像平时做报表参数模板一样，我们需要先设计一个参数模板。例子中会对雇员ID、客户ID、发货日期进行汉语命令查询。这个模板需要包含web变量雇员ID，客户名称，发货日期。然后为他们生成对应的控件。
参数模板数据集展示
控件设计
雇员下拉数据集
这里注意雇员ID这个控件我们显示列用了姓名，数据列用了雇员ID。这个控件会为汉语命令提供姓名-雇员ID的值映射。
客户名称下拉数据集。ds2包含了雇员ID字段，因此使用汉语命令时候可以看到关联过滤的效果，下面会说到。
发货日期的日历控件
添加默认参数雇员ID，值为1
浏览报表设计
这里分组排序是为了展示内容方便说明，以及后续我们会用到排序，这里先不用关注。
浏览报表的数据集：
这个报表需要参数客户名称，发货日期和雇员ID
发货日期注意设置为日期类型
准备完毕，现在可以预览带有参数模板的报表了。
- 预览查询
完成制作后，使用汉语查询就非常简单，只要用showNLRFormReport.jsp预览报表，并在url中增加nlrQueryFields参数来设置筛选字段即可。
点击汉语，弹出输入框，可以开始输入了。
输入“筛选”，下面的帮助栏会显示可用的“数据项”，敲入数据项比如雇员ID，进而显示雇员ID的候选值。实际使用语句时参数名“筛选”可以省略。
- 输入框的便利特性
生成的候选值有几个特点：
根据参数模板设计的控件映射显示值。
我们的参数模板有控件雇员ID，显示值是姓名列，这里在过滤雇员ID时，显示的是姓名，实际查询时程序将为我们解析为雇员ID真实值。
自带关联过滤。
输入过滤客户姓名时，根据当前查询参数雇员ID关联过滤的结果集。
模糊查询
最多显示十个候选值，进一步输入时会模糊查询，更新帮助数据项
- 查询演示
雇员ID等于张颖且客户名称等于兰格英语
添加条件，查询日期。“添加”命令把新的条件拼接到之前查询的宏上，而不是替换
添加条件发货日期是2025-02-28
清除条件
这样可以回到访问报表初始的条件，相当于重置。重置参数为参数模板设置的初始参数。参数模板我们没有设置参数，这里就相当于全部置空了。
- 优点和不足
我们可以看出来，这样设计报表和参数模板和原来的设计方法没有任何差别，只要配合nlrQueryFields参数开启功能即可。语句中的参数被正确解析到报表参数中。但这种查询就像控件选择一样，所有条件都类似“等于”的比较，条件之间都是“与”的关系。要变化查询条件，往往需要改变数据集的设置。
而下面汉语表达式转化为宏能极大丰富查询的条件。
二，汉语翻译成宏
宏可以直接用到报表SQL语句中，这样的用法我们可以实现更加灵活的、更复杂的查询。同时，前述输入框的便利特性，在这个用法中同样有效。
- 设计报表，更少的配置，更灵活的查询
修改数据集，去掉数据集参数，将SQL写成子查询方便宏里使用中文别名，并在SQL增加where ${nlrMacro}。如下图。这个宏名称“nlrMacro”是固定的，不要修改。
- 预览查询
类似地，还是在URL增加参数就可以了
- 查询演示
常规
发货日期等于2025年3月
添加条件订单金额 1000到2000
多条命令可以点击全部执行，串联执行所有命令，上面两个命令串联执行效果和逐个执行效果一致。
配合NLR得强大功能，我们还可以这样写命令：
日期处理
发货日期是去年本月
复杂条件
发货日期是今年2月且城市是广东
范围、多选
发货日期上周 城市属于 [ 北京,上海,广东 ]
模糊查询
客户名称包含三
执行清除条件最后仍然是可以来重置
三，使用宏排序
- 设计报表
报表的group、select函数是可排序的，动态切换的排序状态，需要动态的排序参数。
汉语命令给报表列排序，需要先给报表设置排序参数，并用于group、select可排序的函数。
修改A2 B2 C2，给报表函数增加排序，用宏填充
- 预览报表
浏览时，把报表排序可能用到的字段作为nlrOrderFields作为参数拼入url中，他们将在数据项中显示。
- 排序演示
这个例子是一个分组报表，有雇员ID层、客户名称层和明细层。
订单ID、城市、发货日期、订单金额同属于明细字段，他们在客户名称层下，在客户名称组内排序。
排序订单ID降序
同一层的排序互斥，下面对订单金额排序，订单ID的排序失效
排序订单金额从小到大
雇员ID降序
此时明细层关于订单金额的排序状态保持。订单金额和雇员ID位于不同层，可以分别排序，图中点击全部执行和分别执行这两条效果是相同的。
客户名称降序
取消排序
回到了初始的默认排序状态。
四，用LLM规范口语命令
目前汉语查询功能采用了小型的规则引擎，还不能识别非常灵活的口语命令，比如当我们使用“查询上周发货到华北的订单”等口语化描述查询数据时，规则引擎无法理解就会报错。这时候可以借助AI的能力，用LLM规范功能将口语化的命令转化为规范语句，继而被识别处理。
LLM规范的配置方法
只需在reportJsp/js/funcs.js文件中修改三个核心参数即可启用此功能：
llmUrl：填写所选大模型的API接口地址。
requestJSON：配置LLM的调用参数，如模型名称等。
keyFile：指定存储API密钥的本地文本文件名（如deepseek.txt），将对应服务的密钥存入该文件即可。
上图中我们配置了deepseek的API接口地址，配置了模型为deepseek-chat模型，以及最大token量等参数，并将自己的APIKey填入deepseek.txt文档，放在WEB-INF目录下。
LLM规范的效果
配置此功能后，访问例子：
输入
“查询上周发货到华北的订单”。
LLM规范
点击LLM规范按钮
将查询描述、字段和提示词发送给配置好的LLM。
此截图日期为2026.4.17。
LLM自动将转换为上图规范后的命令：
上周发货到华北的订单【过滤 发货日期 大于等于 2026-04-07 且 发货日期 小于等于 2026-04-13 且 城市 属于["北京","天津","张家口","石家庄","秦皇岛"]】
执行
点击执行按钮，汉语命令引擎接收此结构化条件，完成查询
规范提示词
我们知道LLM模型工作中存在发散和创造的可能，要想让它返回的语句尽可能规范，就需要提示词来约束，让严格遵守明确的纪律。LLM规范执行时，会附带提示词，其中规定了AI应该怎么理解输入、处理，又怎么输出我们需要的汉语命令语句。
LLM规范分为两步：功能识别和规范化。
1，功能识别
定义在类路径根目录下的nlr-prompt-main.md文档中。AI阅读此文档后，理解输入并转换为功能名称。这部分提示词会被经常复用，不会附带数据项，以减少token消耗。
2，规范化命令
定义在类路径根目录下的nlr-prompt-func-paramform-filter.md（数据过滤）、nlr-prompt-func-paramform-order.md（字段排序）等文档中。根据第一步AI识别的功能，选中对应的md文档，AI阅读此文档后，理解输入并转换为规范化语句。
功能识别提示词nlr-prompt-main.md
内容概括：
1，输入定义：用户输入内容
2，功能识别规则：定义了AI的角色、工作清单和约束
3，输出定义：输出识别的功能名称
4，功能示例：识别功能举例
数据过滤提示词nlr-prompt-func-paramform-filter.md
内容概括：
1，输入定义：用户输入内容
2，功能识别：定义了AI的角色、工作清单和约束
3，规范转换规则：包括字段数据项、词典的构成、工作细则。
4，示例集附录：各种输入情况举例。
字段排序提示词nlr-prompt-func-paramform-order.md
与上述过滤功能提示词相同。
不同的大模型，对提示词的利用可能不同。如果遇到LLM执行结果不理想的情况，可以根据情况和LLM特征对这些提示词进行适当改动，帮助模型在目标场景下更好地理解怎样处理能输出用户想要的结果。
