以文字回覆
出現在哪裡，就停在哪裡
你提問
回來一段話，裡面有一個數字
結束
想換個角度看，就得整句重寫——而寫出對的問題，需要的正是你還沒有的東西：知道問題在哪裡。
「我想讓 AI 代理處理我的資料，但我不能把資料庫開放給 AI。」
資訊部門和法務以機密、個資法規和風險為由，讓專案停擺。
AI 負責組出查詢，只讀取結果，絕不讀取記錄。資料庫留在原處。
「每個新問題都要排進資訊部門的隊伍。」
現成的儀表板回答不了下一個問題，分析師成了瓶頸。
用中文提問，就能拿到呈現您資料庫精確數字的圖表，立即深入探索。
「AI 帳單越來越高，卻沒人知道問了什麼。」
按 token 和使用者計費，用量完全失控。
每次查詢都有紀錄。企業可以衡量使用情況，看著員工的提問越來越好。
所以找專家要一份報表沒有用，問一個只會用文字回答的 AI 也一樣：兩者都假設你已經知道要找什麼。真正有用的是一種新的觀看方式——在看的過程中，才發現什麼才重要。請看下面。
換掉問題裡的欄位、調整順序、改變圖表類型，結果就完全不同。不需要任何技術知識。也不需要任何人幫忙。
問 AI 和在這裡問，差別不在答案本身，而在答案出現之後你能拿它做什麼。文字用來讀。圖表用來動。
想換個角度看，就得整句重寫——而寫出對的問題，需要的正是你還沒有的東西：知道問題在哪裡。
問一次，分析數十個角度。而且是在動手的過程中，才發現哪個角度才重要——因為提問的當下，沒有人知道。
ERP、CRM、營運系統與外部資料。
資料在此彙整、整理並備妥。
每個問題變成一份報表、一張圖或一段文字。然後就結束了。
在既有環境之上運作，直接從來源讀取資料。
理解不再集中在少數幾位專家身上。
問得有價值的問題，成為你自己的收藏庫。
收藏庫裡的項目組合起來，就是隨時可看的儀表板。
你打造自己的查詢引擎，完全建立在自己的資料上。
不需要遷移，不需要新的資料倉儲，也不需要在第一個問題之前先跑六個月的專案。Luminy 讀取已經存在的資料，就在它原本的位置。改變的不是基礎架構，而是誰能提問。
直接連接到企業早已彙整所有系統資料的資料庫與資料湖。沒有平行副本要維護，沒有新環境要建置，開始之前也不用排隊等資料團隊。
資料表、欄位和指標都對應到大家真正使用的詞彙。所以輸入「2026 年銷售額」就能找到正確答案，不需要任何人寫查詢。
AI 理解問題並組出查詢，但從不存取資料庫，也不讀取記錄。調查時，它只看到查詢的彙總數字。您的記錄不會用來訓練任何模型，並留在您選擇的環境中，無論是公司內部或專屬伺服器。
在 Luminy 中，問題也可以是一段 SQL 查詢或一筆 JSON 資料，結果以圖表呈現，可以像其他答案一樣深入探索、切換視覺化方式，並從其他角度觀察。
這不是讓資料團隊代替其他人操作的工具。我們為每個人設計了不同的方式，充分發揮平台的價值，符合每個職務的特定需求。
在一家零售連鎖企業，負責門市的人直接向數字提問，並以儀表板取得答案。理解就是這樣擴散到整個公司。
導覽跑在示範資料上，不必和任何人說話就能解答大部分疑問。在那之後，唯一值得談的，就是貴公司的資料。
導覽會走完一個真實的問題：從輸入的一句話，到表格、到每一列的圖表，再到答案出現之後還能做什麼。
回覆的是 Luminy 創辦人 Marcus。談的是：資料放在哪裡、第一週就能回答什麼、在貴公司做概念驗證會是什麼樣子。