几乎每家企业都被要求落地数据 Agent，能真正交付的却寥寥无几。Datus 直接在你已有的数仓上，建起一层受治理的数据上下文层。它是一套 Apache Ossie 语义层与本体，而不是通用记忆。这份上下文，你的数据 Agent 才真正信得过：几天就能上线，还会随每一次查询不断演进。
真正的卡点不是模型，而是几十年沉淀下来的杂乱、割裂的数据。没有哪个 Agent 能独自在里面安全穿行，于是 pilot 迟迟推不动，账单却照样寄来。Datus 为 Agent 铺出一条受治理的通路。
商业 · 人、BI 与 Agent 的交互入口
开源 · 生成模型、执行任务
标准 · 定义并编译语义
先从一个治理好的业务域入手，一个下午就能验证，再一个域一个域地铺开。
CLI、基于 Apache Arrow 的 REST、原生 MCP，还有 Python SDK。一层数据上下文层接通所有入口，人、BI 和 Agent 拿到的都是同一份受治理的答案。
让 Datus 对接你的数仓、数据目录、语义层和 BI。Dosi 引擎把 OSI 编译成 16 种数仓方言的原生 SQL，什么都不用迁移。
数据上下文层、Apache Ossie、Dosi 引擎、开放内核，以及 Datus 与同类方案的对比。
数据上下文层直接建在你的数仓之上，是一套受治理的语义层与本体。它告诉 AI 你的实体、指标和关系分别代表什么，并给出干净、受治理的度量路径。和通用记忆存储不同，它扎根于数据本身，这正是企业数据 Agent 想答对、而不是靠猜 join 和口径时，真正需要的上下文。
卡点很少出在模型，而在于几十年攒下的杂乱、割裂的数据。没有 LLM 能独自在里面安全穿行，于是 Demo 在样本数据上跑得好好的，一到真实数据就崩。Datus 接上你已有的数仓，几天就编译出一层受治理的上下文层，Agent 拿到一条贯穿业务的清晰通路，pilot 才走得到生产。
OSI（Open Semantic Interchange）现在叫 Apache Ossie，是定义本体与语义模型的开放标准，已有 Snowflake、Databricks、Salesforce、dbt Labs 等 50 多家组织参与。Datus 用 OSI 规范定义你的模型，而不是专有格式，因此你的上下文层可以自由迁移、不被厂商绑定。规范对所有人开放；真正的产品，是我们的引擎，以及我们在这套标准里的位置。
Dosi 是一个 Rust 引擎，把 OSI YAML 编译成 16 种数仓方言的原生 SQL，还带零拷贝 Arrow 流式传输。它正在走向开源，目前已经可以免费下载使用。CLI、REST、MCP 和 SDK 背后，都是同一个引擎、同一份答案。
开源的 Datus agent、Dosi 引擎和 Apache Ossie 模型构成内核，可以免费跑在你自己的数仓上。Datus Studio 是架在上面的商业层：一个上下文感知的 co-pilot，人、BI 和 Agent 都用自然语言驱动整套技术栈，还为企业提供 SSO、RBAC 以及私有 / VPC 部署。
Snowflake Semantic Views 喂给 Cortex Analyst，Databricks Metric Views 喂给 Genie，可两边互不读取，上下文困在单一厂商内部就到此为止。Datus 站在中立地带：在你已有的数仓之上建起一套 Apache Ossie 语义层与本体，编译成 16 种方言的原生 SQL，让 Agent 通过 MCP 直接调用。
