Inconvo 是一家 YC S23 初创公司，致力于为非技术用户简化数据分析。本案例研究将重点介绍 Inconvo 如何利用 LangGraph 和 LangSmith 来优化其数据查询过程。
问题：打破数据分析的壁垒
Inconvo 解决了许多非技术用户面临的普遍挑战，他们在使用传统商业智能（BI）工作流程提取简单数据见解时感到困难。例如，SaaS 应用程序的用户可能会发现，为了回答“过去两周我卖了多少产品？”这类简单问题，就需要花费大量精力去导航复杂的 BI 工具。这种低效不仅浪费时间，还限制了用户做出数据驱动决策的能力。
随着 Inconvo 寻求赋能用户以自然语言提问，从而消除数据分析所需的技术专业知识，更直观的解决方案的需求变得显而易见。通过提供简单的 API，Inconvo 旨在让开发者能够轻松地将其应用程序添加对话式分析功能。
代理用户体验：对话式数据分析 API
Inconvo 的代理界面为用户提供了多种可视化和交互式数据的方式。当用户提交自然语言查询时，API 会以以下形式返回 JSON 结果：
- 用于比较分类数据的条形图
- 用于时间序列分析的折线图
- 用于详细数据检查的表格
- 用于简单答案的文本
该 API 允许用户以对话方式细化他们的查询。例如，在看到初步结果后，用户可以要求不同的可视化方式或请求进一步筛选数据。这种互动体验使得非技术用户也能轻松进行复杂的数据分析，而无需学习 SQL 或专门的 BI 工具。
使用 LangGraph 构建强大的查询处理系统
LangGraph 在 Inconvo 的架构中发挥着关键作用，它支持了一个多步骤工作流程，可以高效地处理用户查询。当用户提交一个问题时，LangGraph 会协调整个数据检索过程，首先内省数据库以了解其模式。这使得 Inconvo 能够配置哪些数据可访问以及如何查询。
Inconvo 的架构利用 LangGraph 来管理条件工作流，其中可以根据用户的输入执行不同的操作。这包括选择表、执行 SQL 查询以及以各种格式返回结构化输出。通过集成 LangGraph，Inconvo 可以处理具有多个步骤的复杂查询，确保用户能够快速获得准确且相关的数据。
认知架构遵循有意识的推理模式
- 解析用户的自然语言查询
- 将查询映射到相关的数据库表和字段
- 生成适当的 SQL 查询
结论
Inconvo 对 LangGraph 的使用改变了非技术用户与数据交互的方式，通过自然语言处理打破了数据分析的壁垒。通过消除对专业技术技能的需求，Inconvo 实现了数据洞察的民主化访问，使各行业的用户能够快速有效地做出明智的决策。本案例研究表明，创新的 AI 解决方案如何解决现实世界的问题，并在数据分析领域创造更直观的用户体验。