技术词典

Data Agent 是基于大模型构建的企业级数据分析智能体，能理解自然语言提出的业务问题，自主完成查询、追问、归因、报告等多步分析任务，并给出可用于决策的结论。

ChatBI 是用自然语言对话的方式向 BI 系统提问、探索数据并获得结果的交互形态。

NL2SQL 是把自然语言问题自动转换成 SQL 查询的技术，让非技术用户用对话方式查数，是推动"数据民主化"的关键路径之一。

NL2LF2SQL 是"自然语言 → LogicForm → SQL"的三段式技术路线。

LogicForm 是一种介于自然语言和数据库 SQL 之间的结构化中间语义表达，用来描述"用户想查什么"。

Alisa 是亿问 Data Agent 自研的核心 AI 员工，负责把精准化后的自然语言问题转换成 LogicForm。

端到端 NL2SQL/NL2DSL 指让大模型在一次生成中直接写出最终 SQL 或 DSL 的范式。

AI 幻觉指大模型生成看似合理但实际错误的内容。

这里的"无限上下文"不是指模型 token 窗口字面意义上的无限，而是指在同一个业务空间内，表、字段、指标、维度、实体、别名、口径可以持续增长，而系统仍能在每次提问时只取与当前问题最相关的少量上下文，并完成稳定推理。

确定性生成指在相同输入、相同业务语义、相同上下文条件下，系统稳定地产生相同的正确语义结构与结果，把模型本身的不确定性隔离在可治理范围之外。

Nora 是亿问 Data Agent 的核心 AI 员工之一，负责为系统提供泛化能力：把用户比较模糊、口语化的提问，改写成措辞更精准的自然语言，再交给 Alisa 转换成 LogicForm。

AI 员工是亿问 Data Agent 中承担特定职责的可插拔智能体单元。

SemanticDB 是语义数据库，在 Data Agent 中承担语义层的角色。

语义层是位于物理数据存储与业务应用之间的抽象层，用统一的业务术语、计算规则和关系定义，把底层技术数据翻译成业务可理解、AI 可稳定使用的输入。

指标语义层是以指标、维度、口径为核心建模单位的语义层，解决"这个数到底怎么算"——统一指标定义、维度口径、时间规则和权限边界，让自然语言问数更稳定一致。

本体化语义层是以对象、事件、关系、规则、权限和动作为建模单位的语义层，目标是把企业业务世界表达成 AI 可理解、可推理、可追溯、可行动的模型。

本体是对一个领域内的概念、对象、属性及其相互关系进行形式化、结构化描述的知识表达方式。

五层语义能力是面向 Data Agent 的语义层能力分层框架：指标语义（数怎么算）、对象语义（业务主语是谁）、事件语义（变化怎么发生）、规则语义（如何稳定与治理）、动作语义（从分析走向行动）。

企业世界语义层是亿问 Data Agent 提出的语义层框架，描述的不是"数字怎么算"，而是"企业如何运转"。

MQL 是指标平台常用的指标查询语言，用于声明式地表达"取哪个指标、按哪些维度聚合、加什么过滤"。

指标平台是以统一指标定义和口径管理为核心的数据平台，负责把"销售额、利润、GMV、活跃用户"等指标的计算公式、维度、时间规则和权限沉淀为可复用的指标资产，让各部门在同一套口径下问数。

实体-事件建模是一种以业务对象（实体）和业务事实（事件）为单位描述业务世界的建模方法。

指标口径是一个业务指标的统一计算定义，明确计算公式、统计维度、时间周期、数据范围和业务限定条件。

动态语义指在用户提问之前并不存在、在分析过程中临时产生的业务语义，例如临时指定的年龄分层（10~20、20~40……）、临时定义的新指标 F = A × B − C、临时切分的分析对象。

对象/事件语义指对企业业务对象（实体）及其上发生的事件，以及对象之间关系的语义刻画。

指标配置层指把指标口径从 ETL/SQL 代码里"拎"出来、显式声明为可读可配置的一层。

状态语义指对"状态数据"与"事件数据"做区分并正确聚合的语义。

时间语义指企业自有的一整套时间认知体系，而不只是数据库里的 Date 字段。

全集语义指"没有发生，也是一种业务事实"的语义。

EAV（实体-属性-值）模型是一种把"实体、属性、值"拆成行存储的表结构，常用于属性高度可变、稀疏的业务场景——一行记录一个实体在某个属性上的取值，而不是用宽表为每个属性预留一列。

父子模型是一种用于表达"主表-子表"层级或一对多从属关系的表模型，例如订单与订单明细、合同与合同条款、组织与下级组织。

观测值是亿问 Data Agent 语义建模中的一类字段配置，用于刻画"某个实体在某个时间点被观测到的状态量"，比如某日的库存余额、某月末的应收账款、某时点的在岗人数。

共现关系指在业务语义建模中，记录哪些指标、维度、对象经常被一起使用或一起出现的关联信息。

业务知识图谱是用图结构（节点+边）表达企业业务对象、属性及其相互关系的知识库——客户、订单、商品、组织等是节点，"客户下了订单""订单包含商品""门店属于区域"等是边。

层级语义指对企业天然存在的树状层级结构的语义刻画——组织架构（集团→事业部→区域→门店）、区域层级、商品层级等。

维度建模是数据仓库领域以事实表和维度表组织数据的建模方法，常见的有星型模型和雪花模型，便于多维分析和聚合查询。

BI 是通过收集、整合、分析和可视化企业数据，把原始数据转化为可支持决策的洞察的一套技术与流程。

数据仓库是面向主题、集成、相对稳定、反映历史变化的数据集合，通过 ETL 把多源数据清洗整合，支撑报表与分析。

ETL 是把数据从多个源系统抽取（Extract）、转换（Transform）、加载（Load）到目标存储的流程，为分析提供统一可用的数据基础。

AI-Ready 数据指结构、语义和口径都已整理到 AI 可以稳定理解和使用的数据状态。

数据民主化指让业务人员无需依赖工程师写 SQL 或 ETL，就能自助获取数据和洞察的理念。

DWD 是数据仓库分层中的明细数据层，保存经过清洗、规范但仍保留最细业务粒度的事实数据，是 DWS 汇总层、ADS 应用层的上游基础。

表驱动与问驱动是两种相反的数据组织范式。

DWD/DWS/ADS 是企业数仓常见的分层建模方式。