[docs]modify motivation section in README

README_CN.md

@@ -1,6 +1,6 @@
 # SuperSonic (超音数)
 
-**SuperSonic融合Chat BI（powered by LLM）和Headless BI（powered by 语义层）打造新一代的BI平台**。两种BI新范式都从融合中获得收益：
+**SuperSonic融合Chat BI（powered by LLM）和Headless BI（powered by 语义层）打造新一代的BI平台**。这种融合确保了Chat BI能够与传统BI一样访问统一化治理的语义数据模型。此外，两种BI新范式都从中获得收益：
 
 - Chat BI的Text2SQL能力通过语义数据模型得到增强。
 - Headless BI的查询接口通过支持自然语言得到拓展。
@@ -13,12 +13,14 @@
 
 ## 项目动机
 
-大型语言模型（LLMs）如ChatGPT的出现正在重塑信息检索的方式。在数据分析领域，学术界和工业界主要关注利用深度学习模型将自然语言查询转换为SQL查询。虽然一些工作显示出有前景的结果，但它们的可靠性还达不到生产可用的要求。
+大型语言模型（LLM）如ChatGPT的出现正在重塑信息检索的方式，引领数据分析领域的一种新范式，被称为Chat BI。为了实现Chat BI，学术界和工业界主要关注利用LLM的能力将自然语言转换为SQL，通常称为Text2SQL或NL2SQL。尽管一些方法显示出有希望的结果，但它们在大规模实际应用中的可靠性还不足。
 
-在我们看来，为了在实际场景发挥价值，有三个关键点：
-1. 通过在提示词中增加数据语义（如业务术语、列取值等）使LLM对语义有更好的理解，以减少**幻觉**。
-2. 将高级SQL语法（如连接、公式等）的生成从LLM卸载到语义层，以降低**复杂性**。
-3. 在某些特定场景使用基于启发式规则的语义解析器，以提升**效率**。
+与此同时，另一种新兴范式被称为Headless BI，它专注于构建统一的语义数据模型，并引起了广泛的关注。Headless BI通过一个通用的语义层来实现，通过开放的API公开一致的数据语义。
+
+从我们的角度来看，Chat BI和Headless BI的融合有潜力在两个方面增强Text2SQL的能力：
+
+1. 将数据语义（如业务术语、列值等）纳入提示词中，使LLM能够更好地理解语义，以**减少幻觉**。
+2. 将高级SQL语法（如连接、公式等）的生成从LLM卸载到语义层，以**减少复杂度**。
 
 为了验证上述想法，我们开发了SuperSonic项目，并将其应用在实际的内部产品中。与此同时，我们将SuperSonic作为一个可扩展的框架开源，希望能够促进数据问答对话领域的进一步发展。
 
@@ -26,6 +28,7 @@
 
 - 内置Chat BI界面以便*业务用户*输入数据查询。
 - 内置Headless BI界面以便*分析工程师*构建语义模型。
+- 内置基于规则的语义解析器，在特定场景可以提升运行效率。
 - 支持文本输入的联想和查询问题的推荐。
 - 支持四级权限控制：主题域级、模型级、列级、行级。