开源项目安装与配置指南:Looker Explore Assistant
2025-04-18 11:27:41作者:冯爽妲Honey
1. 项目基础介绍
Looker Explore Assistant 是一个开源项目,它允许用户通过自然语言与 Looker 数据进行交互。该项目将 Vertex AI 上的语言模型集成到 Looker 的建模层中,使用户能够通过自然语言输入生成 Looker Explore 查询,并将结果以可视化形式展现。这种做法优化了传统编写 SQL 查询的过程,转而使用语言模型生成查询内容。
主要编程语言:TypeScript、Python、JavaScript
2. 项目使用的关键技术和框架
- 前端框架:React、TypeScript、Webpack、Tailwind CSS
- 后端技术:Google Cloud Platform、Vertex AI、Cloud Functions
- Looker 集成:Looker Extension SDK、Looker Embed SDK、Looker Components
3. 项目安装和配置的准备工作及详细步骤
准备工作
在开始安装之前,请确保以下准备工作已经完成:
- 安装 Git,用于克隆项目仓库。
- 安装 Python,以及 pip 包管理器。
- 安装 Homebrew(仅限 macOS 用户),用于安装 Google Cloud SDK。
- 创建一个 Google Cloud Platform (GCP) 项目,并获取项目 ID。
- 在 GCP 中创建一个 BigQuery 数据集,并设置相应的权限。
- 创建一个 Looker 项目,并配置与 BigQuery 数据集的连接。
安装步骤
-
克隆项目仓库:
git clone https://github.com/looker-open-source/looker-explore-assistant.git cd looker-explore-assistant -
安装项目依赖:
pip install -r requirements.txt -
安装 Google Cloud SDK:
brew install —cask google-cloud-sdk -
配置 GCP 后端以与 Vertex API 通信(具体步骤请参考项目文档)。
-
生成示例数据并将其上传到 BigQuery(具体步骤请参考项目文档)。
-
设置前端环境:
# 安装前端依赖 npm install # 启动开发服务器 npm start -
配置 Looker 扩展框架应用程序(具体步骤请参考项目文档)。
-
根据需要,对模型进行微调,以更好地适应用户的数据和查询需求。
完成以上步骤后,您应该能够成功安装和配置 Looker Explore Assistant,并开始使用自然语言与 Looker 数据进行交互。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
568
3.84 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
暂无简介
Dart
801
199
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
24
0
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
202
Ascend Extension for PyTorch
Python
379
452
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1