數據智能的實踐與思考
我們在落地過程中學到的東西——關於數據、關於 AI、關於讓技術真正服務於業務。
語義層不是模型的補丁，而是 AI Agent 的契約
語義層不是模型的補丁，而是 AI Agent 的行為契約：它不生成 SQL，但定義哪些 SQL 是合規、可審計、可演化的。本文剖析其作為定義契約、關係契約與權限契約的三重本質，並提出輕量語義閘道器、分層上下文注入與本體演化基礎設施等落地路徑。
語意層並非AI的補丁，而是Agent的契約
本文揭示語意層的本質轉型：從服務人類報表的口徑對齊工具，升維為約束AI Agent行為的機器可執行契約。它顯式建模資料意圖、權限邊界與執行上下文，在執行時保障合法、可稽核、可演進的智能執行。
語義層是 AI Agent 的數據契約
語義層不應只是報表工具的設定層，而是 AI Agent 與企業數據系統之間的契約。本文剖析其作為約束介面、審計錨點與協作協議的三重角色。
語義層係 AI Agent 嘅契約，唔係加速器
語義層不應只係 BI 工具嘅設定層，而應係 AI Agent 同企業數據之間具法律效力般嘅契約。本文剖析本體驅動建模點樣成為 Agentic Workflow 嘅可信邊界，而非加速器。
語義層是 AI Agent 的契約載體
語義層並非數據中台的裝飾性模組，而是 AI Agent 與企業數據系統之間可驗證、可追溯、可審計的契約載體。本文剖析其於 NL2SQL、權限對齊與本體建模中的核心作用。
語義層：AI Agent 可靠運作的約束架構
語義層並非 AI Agent 的加速工具，而是確保其可信運作的約束框架。本文深入剖析以本體為驅動的語義建模，如何將自然語言查詢、權限邏輯及執行動作，穩健錨定於統一的數據契約之上。
決策模型井噴：智能體講嘅 0.8，到底有幾可信？
一個月內十家廠商跟進決策模型，智能體架構多咗一層專用決策層。但獨立評測顯示幾乎所有模型都過度自信，唔同模型畀出嘅 0.8 含義並唔一樣。定標呢門工夫，最終落喺企業自己嘅數據同語義層上面。
兩條 SQL 同一個答案，一條是錯的：問數進入可核查時代
KNOWIDEA 聯同佐治亞理工與貝萊德發布 VeriPIE 論文：兩條 AI 生成的 SQL 今日返回同一個數，聽日就可能靜靜分歧。多數投票救不了，答案必須自帶可核查的證據鏈。
本體成為戰略戰場：語義層一個月由 95% 跌到 65%
問數智能體嘅準確率，唔係取決於模型，而係取決於語義層有冇人維護。Anthropic 數據團隊嘅復盤顯示，技能冇人維護時，離線準確率一個月內由約 95% 跌到約 65%；同一星期，Constellation 將數據本體列為廠商競爭嘅戰略戰場。