本体
问题涉及哪些业务对象？对象之间有什么关系？
客户 → 下单 → 订单
理解业务的 AI
面向 AI Agent 的业务本体。
把业务概念与关系连接到背后的指标和数据。借助 Datus 与 DOSI，Agent 可以沿着明确的业务含义开展分析，团队也能核查答案的依据。
客户订单商品退货下单包含关联业务含义Apache Ossie → DOSI → 原生 SQL
让上下文超越字段名称。
面向 AI Agent 的本体描述业务领域中的概念、属性与关系，为理解问题提供明确的业务词汇。在 Datus 中，这些词汇与语义模型及源数据映射相连，让受支持的问题能够通过 DOSI 查询数据。
语义模型
用哪些指标、维度和计算回答问题？
收入 · 订单数 · 地区
映射
哪些源字段和关联对应这些业务概念？
业务概念 → 模型 → 数据源
在 Datus 中建立上下文
探索业务概念及其数据映射。
在 Northstar 演示中，点击概念查看关系与映射属性；切换到血缘追溯源数据，或切换到执行查看已记录的 SQL 与结果。
此处展示已准备的模型；本体与映射需要团队审核。
了解 Datus Studio通过 DOSI，将映射后的业务含义转为 SQL。
Datus Agent 借助本体理解概念路径；DOSI 通过映射后的语义模型解析受支持的路径并规划查询。团队可以检查生成的 SQL 及其背后的定义。
连接业务含义、语义定义与执行。
本体定义业务概念与关系；语义模型通过兼容的 Apache Ossie 定义描述指标、维度和源数据映射。DOSI 将受支持的本体路径连接到这些定义并规划 SQL，Datus Agent 则在工作中使用这些上下文。
已有知识
业务文档
SQL 与 ETL
数仓
Datus
Datus Studio
团队协作开展 Agent 驱动数据工程的工作区。
Datus Agent
支持数据工程与分析的完整数据 Agent。
本体与语义模型
DOSI Engine
将兼容的 Ossie 定义转为原生 SQL 执行。
Apache Ossie Spec
开放、中立的语义建模规范。
使用共享上下文
团队
AI Agent
应用与 BI
Apache Ossie（孵化中）是 ASF 项目。Datus 和 DOSI 是独立开发的产品；图中展示的是对兼容定义的使用关系，并不表示 ASF 拥有或背书这些产品。
Apache Ossie（孵化中）提供开放定义。DOSI 是 Datus 兼容该规范的执行 Runtime，采用 Elastic License 2.0，并非 ASF 产品。
请结合实际模型与安装版本评估。支持的结构与接口仍在演进。
先解决一个决策问题，让人参与审核。
选择团队能核对答案的业务问题，从已有分析定义出发，构建所需的概念与关系，再根据验证结果逐步扩展。
对齐含义
与业务负责人建立共享词汇，定义术语、区分角色并确认例外，再将这些含义映射到数据。
映射与审核
将业务概念连接到已有语义定义和源数据元数据。把 Agent 辅助产出作为草稿，由数据负责人审核映射和变更。
测试与演进
维护可供多个 Agent 复用的共享定义。定义变化时用参考问题重新验证，修正经过批准后再用于后续工作。
在 Datus 中使用，或为自己的 Agent 接入执行能力。
使用 Datus 的团队
在 Studio 中开展数据工作，由 Datus Agent 执行数据工程任务。为 OntologyAnalyst 配置兼容模型和映射后，可探索业务对象，并通过受支持的路径获取数据。
查看 OntologyAnalyst 教程构建 Agent 的开发者
通过 DOSI 文档中的接口，在自己的工作流程中发现语义定义并发起受支持的查询。本体相关结构与操作，以安装版本对应的参考文档为准。
了解 DOSI 接口与实现选对上下文
本体如何融入 AI 技术栈。
这些方式可以配合使用。先明确问题，再选择需要的上下文。
| 方式 | 提供什么 | 何时使用 |
|---|---|---|
| 语义层 | 指标、维度、粒度与计算规则。 | 问题主要围绕已定义的 KPI。 |
| 本体 | 业务概念、角色与关系。 | 答案取决于具体指的是哪个对象或关系。 |
| 知识图谱 | 相互连接的实体事实，通常可以用本体组织。 | 需要沿着事实及其关联探索信息。 |
| RAG | 检索材料，为模型提供回答依据。 | 答案需要文档或其他检索内容作为证据。 |
关系图不等于图数据库。这里展示的 Datus 方案把业务概念映射到语义模型，再查询现有数据。
常见问题
团队关心的 AI 本体问题
每个 AI Agent 都需要本体吗？
不一定。范围明确、指标含义没有歧义的任务，可能只需要语义模型。当问题依赖业务对象、关系角色或领域词汇时，本体才更有价值。建议从一个需要解决的真实歧义开始，评估建模投入是否能换来可复用的业务含义。
可以让 LLM 自动完成本体建模吗？
LLM 可以根据材料辅助起草概念与关系，但其含义仍需要团队确认。应明确负责人、审核映射，并测试代表性问题。在 Datus 中，Agent 辅助语义建模与 OntologyAnalyst 所需的本体和映射文件是不同环节；未经审核的草稿不应直接视为可执行的业务契约。
是否需要把数仓迁移到图数据库？
这里展示的 Datus 方案不需要这样做。本体映射把业务概念连接到数据之上的语义模型，DOSI 根据受支持的映射规划 SQL。知识图谱可以解决其他问题，但采用业务词汇和关系路径，本身不要求把全部数仓记录搬进图存储。
本体能消除幻觉吗？
不能。明确的概念与受支持的检查可以暴露部分错误，但结果仍取决于模型、映射、数据以及 Agent 对问题的理解。应使用参考问题评估，并检查执行依据。仅仅增加本体，不意味着获得某个准确率或正确性保证。
谁来维护业务定义？
业务负责人应审核含义和例外，数据团队应维护源数据映射与可执行计算。变更需要可审核，并验证对现有问题的影响。这是建议的协作方式，不代表 Agent 会自动学习并批准每次变更。
采用 DOSI 本体能力前需要确认什么？
目前官方参考文档将本体能力标为实验阶段。请核对受支持的结构与安装版本，准备兼容的语义模型和映射，再测试实际需要的查询。不能由此推断产品具备通用 OWL 推理、任意业务规则执行或跨数仓联邦查询能力。