AI引入,中国报表工具的第三次革命

报表技术，和所有软件领域一样，从未停止过进化的脚步

从开始的 C/S 时代到 B/S，再到 AI 浪潮席卷一切的当下，中国报表工具经历了三次深刻的革命，每一次都让报表开发变得更加高效、更加智能

早期的报表工具，如 Crystal Report、BusinessObject、Cognos 等，大多来自国外

它们在英文语境下被称为”Reporting Tool”，本意是”报告”，对”表”的支持比较差，只能做一些格式简单，单向扩展的表格，而且操作方式极其落后，需要一个个摆格子，格子多了连对齐都是问题

这样的工具进入中国后，大家用的就很别扭

因为中国报表格式大都很复杂：多层分片、双向扩展、不规则合并单元格，这些是国外初代报表工具无法胜任的

润乾报表在深入研究数千张中国式复杂报表后，提出了全新的非线性报表模型

将报表的单向扩展线型结构扩展为树型结构，支持多数据集、双向扩展、多层分片再扩展，彻底解决了中国式复杂报表的难题

而且操作方式上，也创新性的采用了类 EXCEL 的操作方式，比原先的摆格子高效了很多

第一次革命，让工具能搞定各种复杂报表，真正可用，好用

让国产报表在报表领域以碾压式的优势战胜了国外产品，也奠定了润乾报表的行业地位

随着大数据时代的到来，报表开发的瓶颈逐渐从“设计呈现”转向“数据准备”

跨库计算、非 SQL 数据源整合、过程式复杂运算等难题，迫使企业不得不安排高级工程师编写冗长的 SQL、存储过程甚至 Java 代码，造成宝贵人力资源的严重浪费

润乾报表推出SPL 数据准备层，将复杂数据准备工作工具化，原本需要专家数天完成的数据清洗与关联计算，现在初级工程师用几行 SPL 代码即可轻松搞定

比如这个来自 HTTP 的 JSON 数据和来自 ORACLE 数据的混算，SPL 五行就可以做完，但 JAVA 或 SQL 就不知道得写多长了

第二次革命：告别手工编码，实现全流程工具化

通过补齐“数据准备”这一短板，报表开发实现了从设计到取数的全面工具化，这一变革在大幅提升效率的同时，有效降低了开发难度，让初级人员也能胜任复杂任务，从而释放出宝贵的高级人力资源，让报表开发真正进入“全自动”时代

AI 时代的浪潮到来后，润乾依然站在潮头，引领了报表工具的第三次革命

自然语言做复杂报表

润乾报表装上了”AI Copilot”，从 GUI 模式进化到 LUI（语言用户界面）模式

它能听懂自然语言命令，能精准理解“左表头”、“组内排名”、“同环比”等专业业务含义

原先做表需要手工一步步制作：建立数据集，绘制表样，复杂计算还需要思考用什么函数，设置各种显示格式

现在只需要输入需求，AI Copilot 就能自动制作报表，不再需要记忆各种函数语法、不需要翻找菜单设置，不需要思考怎么制作，只需要说想做什么就可以

比如输入：

“生成报表 左表头 地区、城市 上表头 产品类别”

报表就自动做好了

同环比、排名这些复杂计算不再需要记忆“层次坐标”怎么写了，只需告诉它：

“C3 组内降序排名”

也不需要挨个设置格式了，只需输入下面的命令就可以：

“选中所有金额小于 1000 的单元格 红色加粗”

润乾报表的 AI Copolit，并非完全依赖 LLM，而是采用”规则引擎主导 +LLM 辅助（可选）”的架构

前面的例子就都是基于规则引擎制作的，但规则引擎没有也不能把语言理解能力做得庞大复杂，它理解不了有些太过口语化的命令，略显不够智能，这时候就要靠 LLM 来做命令规范了

把口语规范成规则引擎能识别的命令

例如：工程师输入一句“把单价按 500 1000 1500 分段显示”，LLM 会将其“翻译”成相对规范的指令：分段扩展 数据集 ds1 字段 单价 列表 500 1000 1500（翻译过程是白盒可见的，如果有错误能及时定位并修改）；而规则引擎则作为“精准执行官”，将这句规范指令转化为最终的报表呈现

这种混合模式，既能享受 AI 的自由与灵活，又能保证结果的准确与严谨，从机制上解决了 LLM 的”幻觉”问题

自然语言的自助报表

这个 Copilot 也可以用在自助报表上，让最终用户可以灵活自由的通过汉语命令自助做表，不仅能提升用户体验，还能减少软件开发人员的投入，双赢

第三次革命，让报表开发全面拥抱 AI，进入自然语言做表时代

说在最后

从非线性模型攻克复杂报表，到 SPL 数据准备工具解放人力，再到 AI 报表重塑报表开发范式，三次革命，完成了从“好用”到“高效”再到“智能”的跨越

纵观企业级基础软件市场，报表工具是为数不多在核心能力上全面超越国外竞品的领域，且这一优势贯穿了发展的始终

我们希望报表能持续保持领先身位，同时也希望国产工具在 AI 浪潮中再接再厉，用更智能的产品切实赋能每一位开发者和用户