@clickzetta/cz-cli-darwin-x64 0.3.1

package/bin/skills/lakehouse-doc/references/LATERALVIEW.md

@@ -0,0 +1,78 @@
+## LATERAL VIEW
+
+`LATERAL VIEW` 子句与生成器函数（如 EXPLODE、POSEXPLODE 等）结合使用，可以生成一个或多个包含行的虚拟表。该子句允许用户对输入的数组或映射进行操作，并将结果展开为独立的行。
+
+## 语法格式
+
+```
+SELECT ...
+FROM table_reference 
+LATERAL VIEW [OUTER] generator_function [ alias ] AS column_identifier [, ...]
+```
+
+## 参数说明
+
+* **OUTER**：可选参数。如果指定了 `OUTER` 关键字，当输入数组或映射为空或为 Null 时，将返回 Null 值。
+* **generator\_function**：生成器函数，如 EXPLODE、POSEXPLODE 等。
+* **alias**：可选参数。为 generator\_function 指定的别名。
+* **column\_identifier**：列出列别名，用于 `generator_function` 输出的行。列标识符的数量必须与生成器函数返回的列数相匹配。
+
+## 使用示例
+
+**准备数据**
+
+```
+CREATE TABLE employees(id int,name string,skills array<string>);
+INSERT INTO employees (id, name, skills) VALUES
+(1, 'John Doe', ['Java', 'Python', 'SQL']),
+(2, 'Jane Smith', ['C++', 'Hadoop', 'SQL']),
+(3, 'Bob Johnson', ['Python', 'Docker']);
+```
+
+**示例 1：使用 EXPLODE 函数**
+假设我们有一个名为 `employees` 的表，其中包含一个名为 `skills` 的数组类型的字段，我们想要将每个员工的技能拆分成单独的行。
+
+```
+SELECT e.id, e.name, s.skill
+FROM employees e
+LATERAL VIEW EXPLODE(e.skills) s AS skill;
++----+-------------+--------+
+| id |    name     | skill  |
++----+-------------+--------+
+| 1  | John Doe    | Java   |
+| 1  | John Doe    | Python |
+| 1  | John Doe    | SQL    |
+| 2  | Jane Smith  | C++    |
+| 2  | Jane Smith  | Hadoop |
+| 2  | Jane Smith  | SQL    |
+| 3  | Bob Johnson | Python |
+| 3  | Bob Johnson | Docker |
++----+-------------+--------+
+```
+
+**示例 2：使用 POSEXPLODE 函数**
+`POSEXPLODE` 函数与 `EXPLODE` 类似，但它还会返回数组中元素的位置索引。使用相同的 `employees` 表和插入的数据，我们可以使用 `POSEXPLODE`：
+
+```
+SELECT e.id, e.name, ps.position, ps.skill
+FROM employees e
+LATERAL VIEW POSEXPLODE(e.skills) ps AS position, skill;
++----+-------------+----------+--------+
+| id |    name     | position | skill  |
++----+-------------+----------+--------+
+| 1  | John Doe    | 0        | Java   |
+| 1  | John Doe    | 1        | Python |
+| 1  | John Doe    | 2        | SQL    |
+| 2  | Jane Smith  | 0        | C++    |
+| 2  | Jane Smith  | 1        | Hadoop |
+| 2  | Jane Smith  | 2        | SQL    |
+| 3  | Bob Johnson | 0        | Python |
+| 3  | Bob Johnson | 1        | Docker |
++----+-------------+----------+--------+
+
+```
+
+## 注意事项
+
+* 使用 `LATERAL VIEW` 子句时，请确保已正确指定生成器函数、别名和列标识符。
+

package/bin/skills/lakehouse-doc/references/Lakehouse-client-repository.md

@@ -0,0 +1,11 @@
+# 客户端、Connector、SDK下载
+
+本页面提供了 Lakehouse 命令行客户端、JDBC 驱动、生态工具 Connector 以及编程语言 SDK 的下载地址。
+
+* 命令行客户端：[安装包下载地址](https://autolake-dev-beijing.oss-cn-beijing.aliyuncs.com/clickzetta-tool/release/sqlline_cz.tar.gz)
+* [Java SDK（含JDBC驱动）](java_reference/java-sdk-summary.md)：[Maven库下载地址](https://repo1.maven.org/maven2/com/clickzetta/clickzetta-java)（Lakehouse 的 Java SDK 和 JDBC 驱动为同一个包）
+* [SQLAlchemy](sqlalchemy.md)：PyPI 公开库下载 `pip install clickzetta-sqlalchemycata`
+* [Python SDK](python_reference/connector.md)：PyPI 公开库下载 `pip install clickzetta-connector`
+* [Zettapark](ZettaparkQuickStart.md)：PyPI 公开库下载 `pip install clickzetta_zettapark_python`
+
+^

package/bin/skills/lakehouse-doc/references/LakehouseAI_overview.md

@@ -0,0 +1,16 @@
+# Lakehouse AI 功能概述：
+
+云器 Lakehouse AI 是一套集成在数据湖仓平台中的智能分析套件，旨在帮助企业充分挖掘数据价值，实现从数据存储到智能决策的完整闭环。通过将非结构化数据管理、多模态检索、AI 外部函数、Python 开发框架、知识库服务、对话式分析等能力原生集成到 Lakehouse 架构中，用户可以在统一的平台上完成数据发现、模型调用、预测分析等全流程智能化操作。
+
+*   **非结构化数据发现与管理**：自动识别和索引文档、图片、音视频等非结构化数据，实现统一元数据管理和智能分类
+*   **AI 外部函数**：将预训练模型封装为 SQL 函数，在查询中直接调用 AI 能力，简化机器学习应用开发
+*   **多模态检索**：支持文本、图像、向量等多种数据类型的统一搜索，实现跨模态的智能语义检索
+*   **AI + BI 统一工作流**：将传统的数据处理流程与 AI 数据应用流程无缝整合在 Lakehouse 平台上，实现真正的数据智能融合。
+*   **Python 语言接口（Zettapark）**：提供类 Python 开发框架，支持数据工程师使用熟悉的语言进行大数据处理。
+*   **知识库服务（邀测）**：提供基于向量数据库的企业知识管理平台，支持文档解析、语义搜索和智能问答的 API。
+*   **Lakehouse 对话式分析 DataGPT**：通过自然语言对话完成数据查询和分析，让业务人员零门槛使用数据。
+*   **Lakehouse MCP Server（邀测）**：与 AI 生态融合的指令即服务功能，让 AI 助手直接操作 Lakehouse 数据资源。
+
+***
+
+![](.topwrite/assets/Lakehouse_AI_overview.png)

package/bin/skills/lakehouse-doc/references/LakehouseDataGPTTour.md

@@ -0,0 +1,64 @@
+# Lakehouse DataGPT 快速导览
+
+Lakehouse DataGPT 是一款前沿的、基于云的对话式数据分析工具，它借助自然语言交互的力量，使数据分析变得像聊天一样轻松。通过利用先进的大型语言模型（LLMs），它让用户能够以对话的方式深入探索数据，以惊人的效率提供精确且深刻的分析结果。
+
+通过 DataGPT 拥抱数据分析的未来，这里人工智能的强大力量与数据源的多样性相结合。无论您的数据存储在强大的 Lakehouse 中，还是在个人文件（如 Excel、CSV 或 PDF）中，DataGPT 都能帮助您释放其分析潜力。这一创新工具打破了数据可访问性的障碍，确保无论数据存储在何处，您都可以利用 DataGPT 的 AI 功能来发现洞察、做出明智决策，并在高级数据分析时代推动成功。
+
+如需了解更多关于 DataGPT 的概念和技术架构，请参阅 [DataGPT 介绍](datagpt_intro.md)。
+
+## 支持的数据源
+
+Lakehouse GPT 能够分析已经存储在 [Lakehouse表](Tables.md)中的数据。这意味着用户可以直接与 Lakehouse GPT 进行对话式数据分析，将 Lakehouse 的应用场景从数据工程和基于 SQL/Python 的分析扩展到交互式、可视化数据分析体验。这为用户提供了更轻松的数据探索方式，使他们能够通过简单的问答交互快速获取数据结果和相应的 SQL 代码。
+
+此外，lakehouse GPT 还支持直接加载 Excel、CSV 和 PDF 等文件，加载的数据将存储在 Lakehouse 中。这样一来，用户无需再为 Lakehouse 的特定概念（如模式、表或 SQL）而烦恼，大大降低了数据分析的入门门槛。
+
+![](.topwrite/assets/image_1742525269996.png)
+
+## 与 DataGPT 展开对话，无缝接收全面的数据分析结果
+
+![](.topwrite/assets/image_1742525285793.png)
+
+我们收到一条通知，指出“**结果需要验证**”。在调查详情时，我们发现查询涉及“**海淀区**”。DataGPT 是一款由大型语言模型（LLM）驱动的数据分析工具，它通过解读“海淀区”并将其与表中地区字段的中文值“海淀”相关联，巧妙地处理了数据的多语言特性。由于表中仅包含中文的地区信息，DataGPT 的推理能力使其能够识别这种对应关系，并无缝对齐数据以得出准确结果。尽管如此，该工具仍提示用户验证结果的准确性。
+
+![](.topwrite/assets/image_1742525306817.png)
+
+此案例清晰地展示了 DataGPT 的强大功能，它借助大型语言模型（LLM）的优势，克服了传统商业智能（BI）工具在数据分析中常常遇到的难题。通过利用大型语言模型（LLM）的强大功能，DataGPT 有效解决了复杂的多语言数据问题，提供了一种超越传统 BI 工具局限性的解决方案，从而提升了整个分析过程的水平。
+
+## 比较分析与多维下钻
+
+基于数据库字段计算的[指标](metrics_answer_build.md)是用于评估绩效、趋势和其他关键数据点的可量化度量标准。这些指标可以通过聚合生成，即将大量数据集汇总成一个或少数几个值，也可以通过应用特定算法或计算的数据自定义代码方法生成。DataGPT 利用大型模型提供了一种自动化的方式，通过大型模型创建这些指标，简化了这一过程，减少了人工干预的需求。这些指标为理解复杂数据提供了一种简洁的方式，有助于做出明智的决策。
+
+基于指标的数据分析包括不同时间段的比较分析和多维下钻。
+
+### 比较分析
+
+比较分析涉及随时间变化和趋势的检查，例如月度环比、年度同比或季度环比，以识别绩效指标中的模式、增长或下降。这种分析对于理解进展和制定战略决策至关重要。
+
+![](.topwrite/assets/image_1742525316900.png)
+
+### 多维下钻
+
+多维下钻是指从多个角度或维度探索数据的过程。这可能涉及按地区、产品线、客户群体或其他相关类别对数据进行分段，以获得更深入的见解。通过下钻，分析师可以揭示影响整体指标的因素，从而实现更具针对性和信息驱动的决策。
+
+![](.topwrite/assets/image_1742525352195.png)
+
+## 快速上手
+
+* [DataGPT 快速上手](datagpt_quickstart.md)：使用**示例数据集**快速体验对话式分析。我们为您准备了一个配置完善的数据集，其中包括完整的表配置和指标体系。您可以直接开始提问，快速体验智能分析功能。同时，此示例还可以作为模板，帮助您创建适合业务场景的分析域。
+  ![](.topwrite/assets/image_1742525379222.png)
+
+* [DataGPT 数据源管理](config-datasource.md)：连接到其他区域中的 Lakehouse 实例。
+
+* **一旦数据准备就绪，您就可以开始用自然语言提问**。
+  ![](.topwrite/assets/image_1742525390647.png)
+
+## 配置
+
+* [指标与答案构建器](metrics_answer_build.md)：对于特定的计算需求，系统可以使用预定义的 SQL 模板提供答案。
+* [如何使答案更准确](datagpt_get_accurate_answers.md)：提高 DataGPT 回答准确性的方法。
+
+## 数据隐私
+
+* [DataGPT 数据隐私](data_privacy.md)：在问答过程中涉及的数据隐私问题。
+
+^

package/bin/skills/lakehouse-doc/references/LakehouseMCPServer.md

@@ -0,0 +1 @@
+^