05 — 匿名交付
某內地企業 · 數據與知識運營
面向分析智能體的受治理知識入口
先讓智能體記住指標口徑，再讓它開口。
分析瓶頸不是再開一個聊天窗口。看板、指標定義、權限與源端元數據必須先對齊，自然語言答案才值得信任；否則 Agent 很容易生成語句流暢、但業務含義錯誤的 SQL。
我們在該客戶的分析棧內交付這個入口：語義指標、源端元數據、帶權限的查詢上下文、SQL 靜態校驗與模型審計。Agent 必須先 grounding、校驗與執行，才能解釋或出圖。
工作裡
受治理的詞彙
指標定義、維度與計算口徑成為 grounding 上下文，而不是分析師口耳相傳的規則。
先證據，後語言
元數據與 SQL 校驗位於回答之前，Agent 必須先抵達真實數據源。
可複用的權限面
同一套看板、空間與查詢控制服務人與 Agent，不另造一套真相系統。
问题与背景
自助分析平台承載 3,000+ 看板與 20,000+ 圖表，但指標口徑缺失令 NL2SQL 首次生成不穩定。需要在生成前，把業務含義與數據證據交給 Agent。
量化结果
BI 平台承載 3,000+ 看板與 20,000+ 圖表；語義緩存命中率由 50% 提升至 90%+。臨時取數由數天縮短至當天，SQL 治理在發布前攔截 80%+ 錯誤 SQL。DataClaw NL2SQL 一次成功率約 50%，語義層正針對已定位的指標口徑瓶頸持續提升。
合作范围
- MetricFlow 語義指標、維度與計算口徑
- Hive 元數據 API、看板／空間權限與查詢上下文
- SQL Linter → LLM 審計 → 修復，以及 execute-before-chart 約束
交付內容
- → 由看板、分析師與 DataClaw 共用的受治理 grounding 層
- → DataClaw Skills 與元數據工具，支撐多輪分析
- → 從指標定義到 SQL 執行與圖表輸出的可追蹤鏈路
匿名说明
委託方名稱、產品名與商業數據不公開；指標與口徑來自該項目記錄。