交付
ContractDoc · delivery業務口徑本示範企業所稱“交付”,是指工廠完成生產並可交接;不含運輸時長與客戶驗收。
所以“預計晚 2 天”是按這個口徑作出的預測,不是已經發生的違約,也不自動計算罰款。
真實企業的交付口徑,必須由自己的業務負責人確認。
DataFocus · 企業 AI 底座
連接業務數據庫與企業文檔,以業務本體統一組織知識,通過 MCP 等開放接口提供受控上下文,讓企業知識的使用有依據、有邊界、可追溯。
兩個版本:OT Flash 與 OT Heavy9 月 28—30 日到期的華東訂單,哪些可能延期?給我依據。不要改單,也不要發消息。
按本企業的交付業務口徑本示範企業所稱“交付”,是指工廠完成生產並可交接;不含運輸時長與客戶驗收。這是示範企業的定義。,這是預測風險,不是已經發生的違約。
這不保證之後一定準時。
生產系統裡還沒有預計完成時間。暫時不能判斷,也不應算作沒有風險。
建議請生產計劃補充 O-1004 的完工預計。O-1001 的跟進說明已起草,未發送。
S1 · 企業任務
訂單在 ERP,生產進度在 MES,交付怎麼算寫在合同裡。三處資料放在一起,才能判斷風險;再按提問人的身份過濾,結果才能交給這位銷售負責人。
問O-1003 能按時交付嗎?
為什麼接上數據庫還不夠
當企業同時使用幾種 Agent,誰來管理它們拿到的業務知識?每個入口各配一份,定義和權限很快就會對不上。通用 Agent 很能幹,但下面這幾個問題,它自己答不了。
CRM、ERP 和合同里的“客戶 A”,是同一家公司嗎?
“交付”算工廠完工、發貨,還是客戶簽收?
合同改過一版,現在該按哪一版?
華東的銷售負責人,能看到西區的訂單嗎?
能連接,不代表理解;能查詢,不代表有權訪問。
企業自己的上下文,不只看服務器放在哪裡,還要看企業能不能:
理解 · 業務本體
DataFocus 用業務本體組織對象、關係和定義:客戶擁有訂單,訂單關聯生產任務和有效合同。每個字段有來源,每條定義有負責人。Agent 不用猜表名,查定義就行。
點一個詞條查看定義
客戶 擁有 訂單;訂單 由…完成 生產任務;訂單 受…約束 有效合同
本示範企業所稱“交付”,是指工廠完成生產並可交接;不含運輸時長與客戶驗收。
所以“預計晚 2 天”是按這個口徑作出的預測,不是已經發生的違約,也不自動計算罰款。
真實企業的交付口徑,必須由自己的業務負責人確認。
從連接到追溯
授權 · 追溯 · S3
售後規則從 24 小時響應改為 4 小時,新規則從 9 月 25 日零點起生效。負責人批准之前,Agent 仍按舊規則回答;批准之後,同一張工單的截止時間提前了 20 小時。
調用 · 多個入口
員工用哪個 Agent,可以隨團隊習慣變化。業務定義和訪問規則留在企業這一層,每個入口都按同一套口徑和權限調用。措辭可以不同,事實和範圍應該一致。
入口 A
O-1001 預計比約定晚 2 天,按工廠完工可交接的口徑判斷。O-1004 缺少完工預計,暫時無法判斷。
入口 B
有一筆訂單可能延誤:O-1001,約 2 天,口徑是工廠完成並可交接。另外 O-1004 沒有生產預計時間,需要補充資料。
按客戶端版本、運行方式和企業權限準備接入。以下名稱用於幫助你選擇和評估,不表示官方合作。
建設 · S2
Codex 等 Coding Agent 可以檢查來源、提出對象和關係、生成差異和測試。遇到說不準的口徑,它應該停下來問;發佈之前,由有權限的人批准。
通過模擬數據瞭解構建流程;連接自己的實例時,使用該版本開放的工具和已有授權。
CRM 客戶 · ERP 訂單 · MES 生產任務 · 合同文檔
4 類對象 · 3 類關係 · 1 項口徑待確認
“交付完成”指生產完成、實際發貨,還是客戶驗收?這會改變風險判斷,我不替你決定。
源數據寫入 0 · 權限不擴大
+ Customer → Order + Order → ProductionTask + Order → ContractDoc
發佈需要有權限的人確認。Agent 不能批准自己的變更。
發佈後,另一個 Agent 用同一套定義執行 S1。
採用 · 兩個版本
DataFocus OT 提供兩個版本,都帶本體管理。OT Flash 用 Apache Doris 同時做內存計算和數據倉庫,部署輕、查詢快;OT Heavy 沿用 Hadoop、Hive、Trino 與 Iceberg,另外提供 ETL 與 AutoML。無論哪個版本,都先挑一個有數據、有文檔、有業務負責人、結果能驗收的任務。
一個引擎,快速起步。
Apache Doris 作為內存計算引擎,同時充當數據倉庫。
適合想先在一個業務域快速跑通,數據可以集中到一個分析引擎裡的團隊。
免費發行 查看發行與下載
完整的大數據底座。
沿用 Hadoop、Hive、Trino 與 Iceberg 架構,同時具備 ETL 與 AutoML。
適合數據量大、已經在用大數據平臺,還需要數據加工和建模的企業。
免費發行 查看發行與下載
OT 指 Ontology(本體)。 根據數據規模、現有技術棧和建設需求選擇版本。