GoodData 如何通过 Qdrant 为 AI 分析注入强大动力
Daniel Azoulai
·2025 年 7 月 9 日
GoodData 进化为 AI 驱动的分析平台
AI 正在重新定义人们与数据交互的方式，推动分析平台从静态仪表板转向智能、对话式体验。GoodData 传统上被公认为一个强大的 BI 平台，现在正专注于通过提高分析师和业务用户的工作效率来加速“洞察时间”和“解决方案时间”。
GoodData 的独特之处在于其在市场中的定位：一个可组合、API 优先的平台，专为构建数据产品而不是仅仅消费数据产品的团队而设计。凭借对白标分析、嵌入式用例和大规模治理自助服务的深度支持，GoodData 提供了现代组织所需的灵活性。通过将 AI 集成到平台的每一层，GoodData 正在帮助其超过 140,000 名终端客户从传统 BI 转向智能、实时的决策制定。
扩展 AI 能力以满足企业需求
最初，GoodData 利用 OpenAI 的原型面临可扩展性限制。初始版本尝试在每个用户查询时将 GoodData 的整个语义模型加载到 AI 上下文中。这导致计算成本高昂、响应时间慢，并超出了大型语言模型的技术限制。相反，将大量语义层直接嵌入到 LLM 上下文中被证明是昂贵、缓慢且不切实际的。
GoodData 现场首席技术官 Jan Soubusta 回忆道：
“将整个语义层直接放入 LLM 是不可持续的。响应时间急剧增加，我们不断达到上下文大小限制。”
这种方法上的转变至关重要，因为大多数 GoodData 客户处理复杂的数据模型，通常跨越数十甚至数百个数据集和指标，这与传统的桌面 BI 工具不同，后者通常在任何给定时间只支持一个用户处理一个数据集。
部署 Qdrant 的可扩展向量数据库
GoodData 转向了检索增强生成 (RAG) 策略，这需要一个高性能的向量数据库。在探索了 DuckDB 和 pgvector 之后，GoodData 由于 Qdrant 的高可用架构和卓越性能而选择了它。
GoodData 利用 Qdrant 官方的 Helm chart，在 Kubernetes 中顺利部署，并有效管理近乎实时的嵌入更新，这对于多语言语义层至关重要。
实时性能和可扩展性提升
对于将 GoodData 作为白标分析解决方案嵌入的企业客户来说，这些改进意味着 AI 助手可以像人类分析师一样快速响应，在短短几秒钟内提供相关的指标、仪表板或洞察。
采用 Qdrant 为 GoodData 的 AI 助手赋能，带来了显著的优势，包括：
- 嵌入更新在几秒钟内完成（每分钟数百到数千次）。
- 语义搜索结果在 100 毫秒内返回。
- AI 助手响应时间保持在大约 5-10 秒，Qdrant 的延迟开销可以忽略不计。
Jan 强调了性能效率：
“Qdrant 的开销可以忽略不计；查询在几十毫秒内运行，使其非常适合实时分析应用程序。”
为高级 AI 增长做好准备
这一转变使 GoodData 不仅成为一个仪表板提供商，而且成为直接嵌入到企业产品中的下一代 AI 应用程序的基础。未来，GoodData 期望通过以下方式增加显著的个性化：
- AI 驱动的数据故事
- 开箱即用的代理间接口和编排
- GenAI 支持的财务运营优化
- 感知型“始终在线”分析。
Qdrant 为 GoodData 提供了稳定、可扩展的基础，以扩展到基于文档的语义搜索和本体管理。借助 Qdrant，GoodData 有信心支持复杂的实时 AI 用例，从而提高最终用户的可访问性和生产力。
在 Kubernetes 环境中实现实时监控和 AI 驱动搜索功能的架构。
