【Luck‑Report】 AI 智能报表助手 + RAG 知识库 + 报表引擎

简介: Luck-Report V2 是基于 Spring Boot 的开源报表引擎,支持中国式复杂报表设计与智能生成。其核心亮点包括:网页化设计器、AI 智能助手(自然语言制表/改表)、知识库增强(多格式向量化检索)、大模型统一管理及多数据源集成。支持独立部署或通过 Starter 集成,兼容 Spring Boot 2.x/3.x,提供报表管理、权限控制、导出打印等完整能力。项目开源(Apache-2.0),源码见 Gitee,可免费商用。

200x200.png

  ◆ 博主名称: QuZhengRong

  AI俘虏,样式苦手

⭐️ Agent专栏: Agent

⭐️ SpringBoot专栏: SpringBoot

⭐️ SpringCloud专栏: SpringCloud


目录

在这里插入图片描述

一、项目简介

Luck-Report 是一款面向中国式复杂报表的开源报表引擎,基于单元格迭代 模型 ,可在浏览器里完成交叉表、分组表、主从表等版式的设计、预览与导出。

Luck-Report 由开源项目 UReport2 重构而来,后端基于 Spring Boot,支持独立部署,也可以通过 Starter 集成进现有后端项目。Luck-Report 已升级至 V2 版本,内置 AI 智能助手,可接入 大模型 和管理 RAG 知识库,用自然语言完成制表、改表与答疑。

Luck-Report 源码地址在 gitee,基于 Apache-2.0 开源,可免费商用。

二、相关资源

三、核心能力

能力 说明
中国式复杂报表 基于单元格迭代模型,交叉表、分组表、主从表、套打等场景可在网页设计器中完成
AI 智能助手 自然语言制表、改表与答疑,支持深度思考
知识库增强 报表知识库与业务知识库;PDF / Word / TXT / Markdown / 问答向量化检索;混合多路召回与可选 Rerank
模型管理 提供管理页维护对话、嵌入、重排序模型
报表管理 提供管理页维护报表,支持角色权限与预览授权
项目集成 可通过 Starter 集成进后端项目

四、系统要求

环境 版本要求
JDK >= 1.8
Maven >= 3.6
MySQL >= 5.7

Redis、向量库仅在启用对应插件 / 配置时需要。

# 五、目录结构

仓库主要模块大致如下:

.
├── luck-report-core/                 # 报表计算、表达式、导出等核心引擎
├── luck-report-web/                  # Web 接口、设计器/预览页面资源、业务服务
├── luck-report-jdbc/                 # JDBC 访问封装
├── luck-report-font/                 # 内置字体资源
├── luck-report-plugins/              # 可选插件(缓存、向量库等)
├── luck-report-spring-boot2-starter/ # Spring Boot 2.x 适配
├── luck-report-spring-boot3-starter/ # Spring Boot 3.x 适配
├── luck-report-pub/                  # 可独立运行的启动模块
├── sql/                              # 建表与向量库初始化脚本
└── pom.xml

本地体验入口主要看 luck-report-pub;向量库、Redis 这类能力在 luck-report-plugins 里按需启用。

六、快速开始

1、初始化数据库

按所选数据库执行建表脚本,脚本在 sql/relation/ 下:

  • MySQL:sql/relation/mysql/luck_report.sql
  • PostgreSQL:sql/relation/pgsql/luck_report.sql
  • Oracle:sql/relation/oracle/luck_report.sql
  • SQL Server:sql/relation/sqlserver/luck_report.sql

向量库相关脚本在 sql/vector/,启用知识库时再按需执行。

2、修改配置

编辑启动模块配置 luck-report-pub/src/main/resources/application-dev.yml,至少改数据源:

spring:
  datasource:
    username: root
    password: root
    # 按本机库名和时区改
    url: jdbc:mysql://localhost:3306/luck_report?serverTimezone=Asia/Shanghai&useUnicode=true&characterEncoding=utf-8
    driver-class-name: com.mysql.cj.jdbc.Driver

luck-report:
  servletPrefix: luck-report
  # 本地体验建议先用内存缓存,避免强依赖 Redis
  disableLocalReportCache: false
  token:
    enabled: false

若暂不使用知识库 / 向量检索 ,可将同文件中的 luck-report.vector 整段注释掉,并视情况去掉 luck-report-pub 对向量插件的依赖,以免启动时连接向量库失败。

3、编译并启动

在仓库根目录执行:

mvn clean package -DskipTests
java -jar luck-report-pub/target/luck-report-pub.jar

也可以在 IDE 里跑主类 com.luck.report.pub.LuckReportApplication,Profile 用 dev。

默认开发端口看 application-dev.yml,一般是 8049,servletPrefix 为 luck-report。

4、访问页面

页面 地址
管理页 http://localhost:8049/luck-report/manage
设计器 http://localhost:8049/luck-report/designer
预览 http://localhost:8049/luck-report/preview?reportPath=db:{报表ID}

七、内置功能

  • 报表设计器:网页端可视化设计器,拖拽绑定字段,配置单元格与版式,设计后可即时预览
  • AI 智能助手:自然语言对话制表、改表与答疑,支持深度思考;示例:「做一个按部门分组的销售汇总表」「给 A 列加上合计行」
  • 知识库:报表知识库与业务知识库;PDF / Word / TXT / Markdown / 问答向量化检索;混合多路召回 + 可选 Reranker,辅助智能助手
  • 大模型配置:统一管理对话、嵌入、重排序模型
  • 公共数据源 / 数据集:统一维护库连接与可复用数据集,可跨报表引用
  • 数据源:JDBC、内置数据源、Spring Bean、静态 JSON
  • 查询参数:URL、查询表单与内置参数(如用户 ID)驱动取数
  • 表达式引擎:内置表达式与函数,支持复杂计算与动态 SQL
  • 条件属性:按条件动态改样式、分页、链接等
  • 行类型与分页:标题 / 重复表头表尾 / 总结行,补充空白行与固定行数分页
  • 图表:饼图、柱图、折线、雷达、散点、气泡等 10 种图表(ECharts)
  • 图片 / 条码:路径、Base64、表达式图片;一维条码与二维码
  • 悬浮元素 / 套打:纸面悬浮图文;套打背景图对齐预印单据
  • 预览与工具栏:预览 / 分页预览;工具栏按钮可按报表配置显隐
  • 导出与打印:导出 PDF、Word、Excel(分页 / 分 Sheet);PDF 与浏览器打印
  • 权限:管理端 / 设计器角色白名单,预览端按角色授权报表
  • 缓存:本地缓存与 Redis 分布式缓存扩展
  • 国际化:中英文界面切换(zh_CN / en_US)
  • 旧版迁移:提供 UReport2、Luck‑Report V1 报表转化工具

智能助手

报表知识库

预览

报表管理

公共数据源

权限管理

图表

相关文章
|
3月前
|
设计模式 Web App开发 人工智能
【AI】Agent 全栈进阶|系统化学习路线专题
描述 Agent 的概念、核心构成,规划出一套循序渐进的 Agent 开发学习路径,从大模型调用、工具调用、RAG、运行模式、记忆机制再到工程化调试,同时附上多款适合入门钻研的开源参考项目
2625 7
|
资源调度 前端开发 API
Kiwi-国际化全流程解决方案
目前有很多成熟的库可以帮助前端去做对应的国际化方案,比较知名的有 react-intl 以及 I18N-loader。这些库都可以很好的解决代码中多种语言切换的问题
Kiwi-国际化全流程解决方案
|
26天前
|
人工智能 JSON Java
【Agent】测评集搭建指南
本文详解Agent测评体系搭建,分为数据集、轨迹与打分三步:数据集定义任务及成功标准;轨迹记录Agent执行全过程;打分器基于结果与环境状态评估。通过Python实现全流程,使用Tool Mock避免真实调用,支持多类型评分(代码/模型/人工),强调可复现性与灵活扩展,适用于回归测试与性能评估。
225 1
|
3月前
|
设计模式 人工智能 前端开发
【AI】Agent 全栈进阶|Agent 设计模式
本文讲解 AI‑Agent 三大常用开发模式:ReAct 边思考边行动,适合路径未知的排查任务;Plan‑and‑Execute 先拆分计划再执行,适配复杂长任务;Reflection 生成后对照标准审查修正,保障交付质量
334 1
【AI】Agent 全栈进阶|Agent 设计模式
|
人工智能 自然语言处理 Java
【AI】Agent 专项进阶|RAG 混合检索策略
本文介绍混合检索在知识召回中的应用,结合向量检索(语义匹配)与BM25关键词检索(精确匹配),克服单一方法的局限。通过建立双索引、并行召回、统一排名(采用RRF融合)及可选精排,显著提升召回准确率。实战测试显示,混合检索在顶1、顶3命中率上优于单一方案,尤其擅长处理术语、编号等关键信息。代码实现基于LangChain,强调领域词典加载与分词优化,适用于垂直场景下的高质量问答系统构建。
334 0
|
8天前
|
人工智能 Java 关系型数据库
【Luck‑Report】 AI 智能报表助手 + RAG 知识库 + 报表引擎 V2.0.9 更新
LuckReport 2.0.9 版本升级,新增查询表单数字校验、管理页状态筛选等功能,修复导出样式、PostgreSQL 布尔值映射、知识页刷新等多处问题,优化 AI 助手提示与权限控制。无需额外 SQL 脚本,直接编译部署即可。项目基于 Spring Boot,支持复杂报表设计与 AI 智能制表,开源可商用,欢迎体验与贡献。
|
2月前
|
Web App开发 人工智能 JavaScript
【AI】Agent 全栈进阶|Agent 工程化与兜底
Agent开发中,LLM动态决策易致死循环、误调用、权限越界三大故障。通过设置最大步数、工具分级与参数校验、人工确认等四道防线,可有效兜底。实战“加盟助手”演示规避风险,保障Agent稳定运行
307 4
|
3月前
|
JSON 人工智能 Java
【AI】Agent 全栈进阶|工具调用与结构化输出
文章介绍了大模型的关键能力——Function Calling(函数调用)与结构化输出,主要包含四部分内容: Function Calling 原理,工具定义与注册,JSON Schema 约束输出,最小工具调用循环
356 2
|
2月前
|
机器学习/深度学习 存储 人工智能
【AI】Agent 专项进阶|RAG 三大切片策略
本文系统对比了RAG中三种文档切片方法:窗口切分、递归切分与语义切分。窗口切分简单高效但易断句且冗余高;递归切分基于分隔符按语义边界切割,适合结构化文档;语义切分通过向量相似度识别话题切换,语义完整性最佳,但计算成本较高。结合实际案例与性能分析,提出应根据文档类型与场景需求选择合适策略,以提升检索召回精度与模型表现。
296 0
|
3月前
|
人工智能 Java BI
【AI】Agent 全栈进阶|大模型基础与对话调用
本文开启Agent代码实操,先讲解大语言模型底层原理,依托LangChain框架搭配阿里百炼接口,演示基础对话、系统提示词角色扮演、图片多模态识别与多轮上下文会话,附带完整可运行Python代码
445 3

热门文章

最新文章