业务提问
用日常语言描述指标、范围、时间和需要解决的问题。
同一句营业额,在不同报表中可能对应不同时间、范围和状态。让系统理解自然语言之前,先让参与者对问题本身达成一致。
可以把指标名称、计算方式、统计周期及可访问的数据放在同一份定义里。例如订单金额是否扣除退款,需要由业务口径明确,而不是交给模型临时猜测。
用日常语言描述指标、范围、时间和需要解决的问题。
识别术语、指标与业务关系,映射至经过治理的语义模型。
在授权数据域内按统一口径查询,过程、来源和结果可核验。
继续下钻归因、识别变化,由业务专家判断原因并确认行动。
审核后的新口径、案例和判断经验回流语义模型与流程。
查询结果还应提供所用指标与时间范围。出现疑问时,读者能沿着结果回到数据依据,这比只看到一段流畅回答更方便复核。
数据表记录事实,语义模型连接事实与业务含义。
资料持续变化时,知识库需要管理的不只是文件数量,还包括每份内容何时生效、对应哪种场景,以及哪些版本已经退出使用。
为文件保留版本、来源和适用范围,有助于区分历史记录与当前说明。内容拆分成段落后,也应保留它与原文件的关联,避免引用时丢失背景。
业务表、字段、数据来源与关系
指标、维度、术语、字典与规则
自然语言映射、查询约束与校验
问数、分析、报告、智能体与工作流
从可信查询出发,向经营分析、协作触达和流程执行延伸。
更新完成可以选择几组常见问题进行对照,检查新资料是否进入检索、旧资料是否仍被误选。测试记录应包含问题、引用和当时的数据版本。
多轮追问、指标比较与明细下钻,附带可检查的数据来源。
沿区域、产品、客户等维度定位差异,辅助风险识别和行动建议。
基于统一指标和固定模板生成分析内容,支持责任人复核与归档。
组合查询、通知和业务工具,在监控、审批与催办节点形成闭环。
同一套数据治理与语义能力,承载不同业务域的分析方法与专家经验。
一个智能体能够回答问题,并不意味着它已经可以执行企业流程。读取、修改和提交信息,需要分别明确边界。
接口说明应包含输入字段、允许操作、身份权限和失败返回。对会改变业务状态的动作,可以展示操作对象和关键内容,让使用者有机会确认。
完成一次调用后,页面应区分已执行、被拒绝与结果未知。清楚的反馈有助于后续处理,避免用户因等待提示不明确而重复提交同一操作。
识别出文字,只完成了文档处理的一部分。表格关系、字段含义与后续系统需要的格式,也会影响结果是否可用。
可以先明确哪些字段需要提取、采用何种格式,以及哪些内容必须人工确认。原文件与识别结果之间的对应关系,应便于追查。
语义建模约束下的复杂业务查询
自然语言与企业术语映射
指标关系与业务规则约束
自然语言提问后的首轮响应
在测试中纳入不同版式和清晰度的材料,再观察错误集中在哪些字段。针对实际问题改进流程,比仅看一次总体识别比例更具体。