首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >主流报表开发工具 AI 进展对比:从对话式制作到智能体生成报表

主流报表开发工具 AI 进展对比:从对话式制作到智能体生成报表

原创
作者头像
析言
发布于 2026-11-16 15:24:45
发布于 2026-11-16 15:24:45
100
举报

当前主流报表工具正加速融入 AI 能力,但与 ChatBI 的“厂商标配”不同,报表开发环节的 AI 渗透此前长期处于探索阶段。本文基于各厂商公开资料,聚焦“报表开发 AI”维度,系统地对比主流产品的技术路线及功能覆盖,为技术选型提供判断依据。

相比 2026 年 5 月的上一版,最重要的变化是:润乾报表已正式支持 Agent 智能体生成报表,报表开发 AI 从“对话式辅助制作”进入“智能体生成”阶段。2026 年以来帆软、Smartbi、永洪也在密集发布“Agent”,不过绝大多数落在智能问答、分析报告与看板生成层;能直接产出可编辑复杂报表模板的 Agent 方案,目前仍只有润乾一家。

一、核心结论

二、能力对比

关于对比口径的三点说明:

其一,表中的“报表 / 看板生成”按产物分层——润乾产出可编辑的 rpx、rpg、sht 模板文件,帆软在设计器当前模板内生成内容与看板(其中内容需用户另存为 cpt),Smartbi、永洪产出仪表盘 / 看板。“不支持 AI 生成”指该产品的报表模板设计环节没有 AI 生成能力,不等于其平台没有 AI。

其二,润乾与帆软都能让 AI 生成模板内容,但两者的起点与产物不在一个层级。润乾是从零生成:一句需求描述进去,Agent 在报表设计器之外直接产出可打开的 rpx、rpg、sht 模板文件并落盘,既不需要预先打开一个模板,也不需要人工另存。帆软的模板制作助手则是在设计器当前打开的模板中生成内容——数据集自动创建、表格与图表按规划位置插入,最后由用户另存为 cpt;版式也限于常规,做不了横分栏、动态合并格、卡片式这类分区布局。一句话,帆软交付的是模板里的内容,润乾交付的是模板文件本身。因此本文的判据有两条:能不能从零产出模板文件,以及能产出的模板复杂到什么程度——前者区分交付形态,后者决定能不能落到真实报表场景。

其三,Smartbi 电子表格的核心是模型查询、SQL 查询、参数管理,其 AI 能力(白泽 V5)面向问数与看板;永洪电子表格的 AI 函数(translateAI、classifyAI、taskAI)用于数据加工而非模板制作——这两家与润乾、帆软属同一报表形态,只是 AI 尚未覆盖模板生成环节。

四家产品的能力横向对比如下:

三、各厂商报表工具 AI 详述

3.1 润乾 Agent 智能体生成报表

rpx-agent-toolkit 是润乾官方随报表安装包发布的智能体技能工程,位于报表安装目录,2026 年 9 月及以后版本的设计器自带,无需额外安装。核心是一组可被 Agent 直接导入的 Skill(技能):导入 CodeBuddy、Trae 等各类 Agent IDE 后,Agent 即可按自然语言需求生成 rpx、rpg、sht 等报表文件,修改报表设计与设置,调用报表 API;产出模板文件的同时生成 HTML 预览,可直接查看渲染结果。

除了报表文件生成,工具还配了几项辅助技能:声明式 HTML 渲染页、ECharts 图表与大屏、SPL 脚本,分别覆盖 HTML 预览与页面拼装、图表与大屏页面、复杂取数计算。

大模型此前为何做不好报表模板开发:

  • 复杂报表是多维复合任务:多源取数混算、嵌套业务逻辑、像素级排版、打印导出细节交织在一起,无法用一段线性文本描述清楚
  • 报表模板是私有格式,互联网上没有足够多的公开语料,大模型缺乏训练资料,直接生成模板往往幻觉频发、输出不可信
  • 不止复杂报表一类:报表组、填报表、大屏页面等模板产物同样是私有格式、同样缺乏公开语料,这一困难覆盖整个模板开发环节
  • 市面 AI 报表工具多数只生成 SQL(只能出简单样式与逻辑),或本质是 ChatBI——而 BI 本身并不擅长复杂报表

润乾的破局点:

不与“语料缺失”正面硬碰,而是换一条 AI 已经擅长的路:AI 对 Java 的驾驭已经成熟,润乾又有丰富的 Java API 与配套文档——让 AI 先学 API,再生成 Java 程序去构建和修改 rpx。这既绕开了语料问题,产物又能在报表设计器(IDE)中打开做可视化审核,AI 的输出有了可验证的落点,闭环成立。生成的模板文件能编辑、能真算、能渲染出页面,每一步都对得上。这条“先学 API、再生成程序”的路径也不限于某一类报表:rpx、rpg、sht 各有对应的 API 与验证机制,API 覆盖到哪里,AI 就能生成到哪里。

示例:不完全分组+月环比报表(以复杂报表的 rpx 产物为例)

用 demo 库的订单表,生成一张各区域月度订单数环比报表。在 Agent 对话中输入需求:

在 Agent 对话中描述需求(示例取自乾学院文章《AI Agent 对话式制作复杂报表实践:不完全分组+月环比报表》)

Agent 执行后直接产出 rpx 文件,在 IDE 中打开:

生成的报表效果:不完全分组+月环比

使用要点:

  • 需求要写细:数据集来源、分区布局、输出要求等逐条描述清楚——仅凭一句“做个轮胎测试报告”式的需求,产出与预期会相去甚远
  • 首次使用需将工具配置指向本机环境(JDK、依赖库、授权、输出目录等)
  • 开启数据库探测配置后,Agent 可直连真实数据库读取表结构辅助设计

3.2 润乾 Copilot(规则引擎 + LLM 混合架构)

润乾 Copilot 是报表设计器内的汉语命令助手——报表开发环节当前唯一不依赖大模型、系统性覆盖模板改造与精细化操作的 AI 工具,同时支持 LLM 可选增强,兼顾精准性与交互灵活性。

Copilot 的主要作用是对已有报表做细节优化与完善:Agent 做表不一定能一次性做全、做对,有些细节要看到报表效果后才知道怎么改,手头已有的模板也同样需要这类打磨。这些完善和修改不必回到对话里重新描述,在设计器中用 Copilot 输入汉语命令直接完成即可。

技术本质(规则引擎):

  • 基于规则引擎 + 业务词典,无需 GPU,无 Token 费用,100% 确定输出
  • 听不懂会提示“无法识别”,不会编造结果
  • 可在私有化环境部署,数据不出域

LLM 混合架构(可选增强):

润乾 Copilot 现已支持接入大语言模型(LLM),解决规则引擎对随意口语理解有限的问题。

混合架构的独特优势:

  • 执行动作可确认、可修改:LLM 输出的是规范汉语(人话),用户可确认是否正确,不对可立刻纠正——这比让 LLM 直接生成 JSON/SQL 更可控
  • 低幻觉:LLM 的任务是“口语→规范汉语”转写,是 LLM 的“母语任务”,幻觉率极低
  • 低成本:LLM 任务被简化为“文字规范化”,小参数模型也能胜任,既享受了 LLM 的交互友好性,又保持了低部署成本

这一设计让 Copilot 在拥抱 AI 灵活性的同时,牢牢守住了企业应用最核心的“精准”与“可控”的底线,不是在效率和准确之间做取舍,而是兼得二者之长。

Agent 与 IDE Copilot 的分工:

Agent 负责结构调整与主表生成(横分栏、动态合并格、卡片式报表等;报表组 rpg、填报表 sht 等整份文件也由 Agent 生成);IDE 内 Copilot 负责细节微调,如“G5 组内降序排名”“选中所有金额小于 1000 的单元格红色加粗”。列宽行高、打印导出细节等改动在 IDE 中处理更省事,结构调整则交给 Agent。

3.3 帆软 FineReport 11.5 AI 助手

帆软 FineReport 在 11.5 版本中推出“模板制作 AI 助手”插件(Beta),官方文档最近一次更新为 2026 年 9 月。官方表述为:“支持直接输入业务需求,自动生成包含数据集、图表、表格等元素的完整模板”。需要说明的是,官方所称“完整模板”,指模板内数据集、表格、图表等元素齐备,而非一份独立的模板文件。实际形态是在设计器当前打开的模板中生成内容:数据集自动创建,表格与图表按规划位置插入,最后由用户另存为 cpt 文件——AI 不直接产出模板文件,落盘这一步由用户完成。

主要能力包括:

  • 智能生成并优化 SQL 查询,用户确认后可一键创建数据集并自动命名
  • 智能编写公式,支持公式解读与优化
  • 智能生成 JavaScript 脚本,支持逐句解读
  • 表格助手:基于当前模板的数据集生成分组汇总表、明细表,并支持单元格属性级调整(条件属性、格式样式)
  • 图表助手:自动推荐图表类型、完成数据绑定与样式配置,并支持对话式改图表类型、更新绑定字段、优化样式
  • 模板解析:对已有模板的结构与数据逻辑进行智能解析,帮助用户理解与优化
  • Dashboard 助手:按需求描述给出看板设计思路与开发步骤,基于数据集推荐图表类型、完成字段绑定与样式配置,支持对生成看板中的组件删除、替换与重布局(需 FVS 4.1.0 及以上)

帆软设计器内的“模板制作 AI 助手”面板(截图取自帆软帮助文档)

能力边界说明:与半年前相比,帆软在样式上的进展,使上一版的判断需要修正——表格助手已可做单元格属性级调整(条件属性、格式样式),图表助手支持对话式调样式,“样式完全不支持”已不成立。但仍有三处没覆盖:一是批量修改,例如“选中所有金额小于 1000 的单元格红色加粗”这类跨区域批量操作;二是复杂计算,如组内排名、同环比、跨行累计;三是中国式复杂报表的分区布局(横分栏、动态合并格、卡片式排版)。也就是说,它能做出“能看的报表”,但离“能交付的复杂报表模板”仍有距离。

技术路线:需用户自行配置符合 OpenAI 协议、且对 Function Call 支持良好的模型,官方实测能稳定跑通全部功能的是 DeepSeek-V3 或同等及以上能力的模型。官方文档明确“目前暂不适配本地私有化部署的大模型方案”,这对要求数据不出域的客户是硬约束。RAG 提供两种增强:知识图谱增强(默认,无需自配向量模型)与向量模型增强(当前仅支持豆包 doubao-embedding-text-240715)。数据安全方面,官方说明预览不会上传实际业务数据,仅传模板结构、数据库表字段信息与极少量示例数据。

近一年的迭代:插件仍为 Beta(插件市场页显示 1.0.6)。2025 年 9 月加入 Dashboard 组件删除 / 替换 / 重布局、简化图表生成流程、长任务 To-Do 列表追踪;2025 年 11 月修复远程设计切换用户配置重置;帮助文档 2026 年 9 月更新,其中表格助手已支持分组汇总表 / 明细表生成与单元格属性级调整,图表助手支持对话式调整,Dashboard 助手明确要求 FVS 4.1.0 以上。

另需说明帆软的 Dora:这是帆软的 Data Agent 平台,内置“超级智能体”,官方描述其能力包括数据查询、深度分析、归因诊断、报表生成,并明确可连接 FineBI/FineReport/FineDataLink 调用既有报表能力。但这里的“报表生成”,指的是基于已有报表、看板、数据集与模板生成结构化报告、摘要与简报(其 Report Researcher 角色的定位就是“from dashboards, datasets, templates, outlines”),产出是报告内容,而不是可编辑的报表模板文件。它解决的是“报表做出来之后怎么被读、被追问、被推送”,不是“报表怎么做出来”。这两个环节容易混为一谈,选型时需分清。

3.4 Smartbi 电子表格模块

Smartbi 电子表格(Spreadsheet)承接“真 Excel”的中国式报表设计,白泽(AIChat)承接智能体与分析。白泽 V5 目前已支持基于仪表盘、电子表格、Web 电子表格、即席查询、透视分析、灵活分析进行对话问数——注意这是“对电子表格提问”,不是“用对话生成电子表格”。

与“生成”沾边的能力有三项,都属结果层:一是仪表盘创建,一句话生成看板,支持追问、下钻和解释,仪表盘助手(Beta)还支持在对话中创建、配置和修改组件;二是智能填表,上传 Excel 报表模板后自动识别模板、单元格与公式,对接数据模型回填数据;三是模板化分析报告,导入标准报告模板,按模板格式生成分析报告。

边界很清楚:填表与报告都以“已有模板”为前提——填表是给模板填数,报告是按模板出内容;看板则是另建一种视图,与电子表格模板无关。没有一项是“从零设计一张电子表格模板”。2026 年 4 月与 6 月两次更新后,电子表格模板制作环节仍无 AI 生成的公开证据。

3.5 永洪电子表格模块与 vividime Friday

永洪科技的电子表格 / 报表制作功能主要通过可视化拖拽操作实现,其 AI 能力主要集中在以下方面:

AI 辅助能力(非模板生成):

  • AI 函数工具箱:提供 translateAI(智能翻译)、classifyAI(智能分类)、taskAI(个性化任务)三大 AI 函数,支持用户在数据治理、数据展示、电子表格等场景对数据进行快速加工
  • 智能 SQL 优化:实时提供 SQL 性能改进策略,有力削减查询响应时延,提升数据执行性能
  • 自然语言转 SQL:非技术人员可通过日常对话方式构建复杂 SQL 查询,打破编程语言壁垒
  • 智能问答 Copilot:支持口头提问获取数据分析结果,支持多轮对话理解上下文意图

AI 能力现状:以上能力与智能问数(Megrez 天权)同属数据加工与问数侧,报表模板制作仍靠可视化拖拽,无证据表明支持 AI 自动生成模板。

2026 年 11 月 6 日,永洪发布 vividime Friday(“硅基员工”),基于 Polaris 智能体平台内置八大场景。与报表相关的是智能报告 Alioth:一句话生成原生分析看板,生成后可在对话中追加指标、更换组件、调整版式,产物是可直接使用的看板,而非导出一张图片。

边界同样在“视图层”:Alioth 产出的是分析看板,不是 rpx、cpt 这类可编辑的报表模板文件,其交付物被限定为看板、Word、Excel、PPT。业内的评价也集中在这一点:它的强项是带口径的数,而不是好看的图;要做排版精美的汇报,仍需配合模板类工具。

四、需要区分:Agent 落在哪一层

2026 年以来,“Agent”成了所有厂商的共同标签。但把各家的产品说明摆在一起会发现,同一个词指的不是同一件事——差别不在模型强弱,而在 Agent 最终交付的是什么。以下三层按交付物划分,同一平台的不同助手可能分属不同层。

第一层,分析型 Agent,交付结论。帆软 Dora、Smartbi 白泽 V5、永洪 Friday 都在这一层:自然语言提问,自动取数、归因、生成报告与摘要,并可按订阅推送。它们替代的是“取数与写结论”的人工。

第二层,看板生成 Agent,交付视图。帆软 Dashboard 助手、Smartbi 仪表盘助手、永洪智能报告 Alioth 属这一层:按需求生成看板,生成后能对话改图表类型、换字段、调版式。它们替代的是“搭看板”的人工。

第三层,报表模板开发 Agent,交付生产资产。润乾的 rpx-agent-toolkit 是目前唯一能产出复杂报表模板文件的开发型 Agent:生成的是可编辑的 rpx、rpg、sht 等文件,能在设计器里打开、能继续改、能发布、支持打印导出。同一层里还有帆软的模板制作助手,交付形态是在当前打开的模板中生成内容、由用户自行另存,数据集、表格、图表都能生成,但版式限于常规——横分栏、动态合并格、卡片式这类分区布局做不了。这一层内部的差别,不在“能不能生成模板内容”,而在“能不能产出可交付的复杂报表模板文件,以及模板能做到多复杂”。它们替代的都是“做报表”的人工。

三层的难度不在一个量级。前两层输出的是内容与视图,格式错了重排即可;第三层输出的是要交付、要归档、要盖章的文件,格式、分页、打印、数据逻辑必须同时成立。这也是为什么前两层可以靠通用大模型加 RAG 堆出来,第三层必须解决“模板是私有格式、没有公开语料”这个根本问题——润乾的解法是让 AI 学 Java API 生成程序来建模板,绕开语料。帆软的模板制作助手停在常规模板,也正是这条界线的作用。

五、总结

2026 年以来,报表开发 AI 出现分水岭,但这个分水岭不是“有没有 Agent”,而是“Agent 交付什么”。润乾以“Agent 智能体生成+Copilot 对话式精细化”双通道,跑通了“AI 生成—验证—人工审核”的完整闭环,其 Agent 路线通过“让 AI 学 Java API、生成程序建报表”绕开了模板缺乏公开语料的行业难题。就“能否直接产出复杂报表模板文件”而言,目前只有润乾。帆软 FineReport 的 AI 助手仍在 Beta,样式能力已有实质进展(单元格属性级调整、图表对话式调优),边界退到批量修改、复杂计算与分区布局,且生成物落在设计器当前打开的模板中、需用户自行另存,同样不产出模板文件;其 Dora 与永洪 Friday、Smartbi 白泽 V5 一样,Agent 能力集中在分析、报告与看板层,交付的是结论和视图,不是报表模板。Smartbi 的智能填表与模板化报告以“已有模板”为前提;永洪的 Alioth 一句话从零生成看板,交付的同样是视图而非报表模板。因此,报表开发环节的 AI 竞争,真正的分水岭是“能不能从零产出复杂报表模板文件,以及能产出多复杂”,而非“有没有上 Agent”。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

目录
  • 一、核心结论
  • 二、能力对比
  • 三、各厂商报表工具 AI 详述
    • 3.1 润乾 Agent 智能体生成报表
    • 3.2 润乾 Copilot(规则引擎 + LLM 混合架构)
    • 3.3 帆软 FineReport 11.5 AI 助手
    • 3.4 Smartbi 电子表格模块
    • 3.5 永洪电子表格模块与 vividime Friday
  • 四、需要区分:Agent 落在哪一层
  • 五、总结
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档