bsl-model-builder

BSL Model Builder 是一个专业的代理技能，旨在通过 Boring Semantic Layer 将原始数据库表转换为具备商业意义的语义模型。此工具建立在 Ibis 框架之上，提供高效且原生的 Python 抽象层，让开发人员与数据分析师能以程序化或 YAML 配置的方式定义可重复使用的数据模型。它非常适合需要标准化指标、简化 BI 报表或为大型语言模型 (LLM) 与自动化代理提供结构化数据接口的组织。通过将复杂的 SQL 操作转换为流畅的面向对象 API，此技能可帮助用户轻松定义类别维度、量化指标与复杂的关联关系。

• 使用 Ibis 驱动的表达式（包含 Lambda 函数与 unbound 语法）定义粒度明确的语义表。

• 配置基于时间的维度，支持自动化截断功能，包含年、季、月、周与日等时间区间。

• 实现进阶的聚合逻辑，包括复杂的比率计算、使用 all() 引用的总计百分比分析，以及自定义指标说明。

• 通过灵活的关联类型（join_many、join_one 与 cross join）支持复杂的关系模型，并支持基于视图 (view) 的别名处理。

• 通过声明式的 YAML 架构定义，促进生产环境等级的部署，确保版本控制与配置的一致性。

• 无缝整合 Ibis 支持的多种数据库后端，例如 DuckDB、Snowflake、BigQuery 与 PostgreSQL。

• 预期的输入为原始 Ibis 数据表对象或 YAML 配置文件路径，输出则为已实例化的 SemanticTable 对象或可供执行的复杂查询表达式。

• 最佳实践：务必在维度与指标定义中加入人类可读的说明，以提升模型的可搜索性与 AI 的理解力。

• 实际限制：当对同一张表进行多次关联时，请务必使用 .view() 方法以避免字段名称冲突。

• 若为生产环境负载，建议优先使用 YAML 文件将模型定义与操作代码分离，以利维护与团队协作。

• 工具运行需要安装 boring-semantic-layer 包的 Python 环境，针对进阶 LLM 整合建议安装 agent 或 mcp 额外依赖包。