TwinBI：面向高效增广商业智能交互的智能体数字孪生

商业智能（BI）越来越多地将仪表板交互与基于大语言模型的帮助相结合，但这两种模式在多步骤分析过程中经常不同步。当用户在直接仪表板操作和自然语言查询之间切换时，跨过滤器、层次结构、指标和图表上下文保持一致的分析状态变得困难。我们推出了 TwinBI，这是一个代理数字孪生框架，它将基于 LLM 的代理系统与可执行的 BI 仪表板状态相结合。 TwinBI 通过从统一交互日志重建的共享分析状态来统一会话交互、仪表板操作、语义基础和来源跟踪。它还公开架构视图、SQL、日志和用于基于状态的分析摘要的 /insights 命令等工件。我们以两种互补的方式评估 TwinBI。在使用相同骨干代理的受控 A/B 基准测试中，相对于单独的 Dashboard，TwinBI 将精确匹配准确率从 43.3% 提高到 63.3%，部分信用准确率从 48.3% 提高到 70.8%，并将超时率从 40.0% 大幅降低到 10.0%。在一项可用性研究中，参与者受益于集成的仪表板和聊天工作流程，具有较高的任务准确性、适中的工作量以及对状态感知交互机制的良好评级。这些结果表明，TwinBI 通过将可见的仪表板状态转变为更丰富的可操作上下文，提高了代理级分析可靠性和面向用户的分析支持。我们的数据集和源代码位于：https://github.com/simonjisu/TwinBI