用“我的知識庫”教會 FocusGPT 你的業務術語
介紹如何在 DataFocus OT Flash 中通過“我的知識庫”為 FocusGPT 新增公司術語和縮寫,如何經由“系統管理 > 知識”在全系統共享,以及如何檢查問題被解析成了什麼。
閱讀全文: 用“我的知識庫”教會 FocusGPT 你的業務術語DataFocus · 博客
記錄企業上下文、業務本體與 Agent 應用的思考、方法和進展。
介紹如何在 DataFocus OT Flash 中通過“我的知識庫”為 FocusGPT 新增公司術語和縮寫,如何經由“系統管理 > 知識”在全系統共享,以及如何檢查問題被解析成了什麼。
閱讀全文: 用“我的知識庫”教會 FocusGPT 你的業務術語OT Flash 可以讓資料搜尋學會公司自己的說法:列名和列值的同義詞、自定義關鍵詞、自定義地區,以及財年這類自定義日期。本文說明各項設定在哪裡,以及如何驗證。
閱讀全文: OT Flash 搜尋調優:同義詞、自定義關鍵詞與財年兩份報表在同一指標上對不上,是因為各自重新實現了它,並各做了五個未標註的選擇:過濾條件、時間口徑、粒度、關聯路徑、來源系統。附一次 130 萬營收差額的逐行對賬、排查順序,以及一條可執行、有負責人的口徑須滿足的四個條件。
閱讀全文: 財務和銷售為什麼報出兩個營收?每個指標背後藏著五個選擇公開的企業基準顯示,原始 Text-to-SQL 在多數真實數倉任務上仍會失敗,主因是缺少業務定義。本文對比受口徑約束、並展示 SQL 的查詢方式,以及何時直接用 Text-to-SQL 就夠。
閱讀全文: Text-to-SQL 夠業務使用者用嗎?原始 SQL 生成 vs 受治理的本體查詢DataFocus OT Flash 不使用 ETL 引擎,而是用定時匯入任務保持表資料最新:連線只讀資料來源、選擇表、設定計劃,並在系統管理器中檢視執行狀況。
閱讀全文: OT Flash 定時表匯入任務:讓 Doris 表保持最新OT Flash r57 手冊列出 26 種外部資料來源型別,從 MySQL、Oracle 到 Hive、Iceberg。安全接入的路徑是專用只讀賬號、測試通過的連線,再定時匯入到 OT Flash 自己的儲存。本文逐步講解,並點明手冊留給你自己決定的部分。
閱讀全文: OT Flash 接入 MySQL、Oracle、SQL Server:只讀賬號DataFocus OT 可免費自建,但模型服務要另外付費。本文給出一份測算表:哪些操作會呼叫模型、每次消耗多少 token,以及模型降價後如何複核估算。
閱讀全文: 如何估算自建 AI 分析平臺的大模型 API 費用OT Flash 沒有內建指定模型,由管理員配置大模型服務,這個選擇決定哪些資料會離開你的網路,也決定模型賬單的樣子。本文介紹管理介面、資料出口決策和每月復盤的習慣。
閱讀全文: OT Flash 用哪個大模型?如何管控模型成本與資料出口DataFocus 要求在自建 OT Flash 之前定下的七個決定:每一項都有負責人、要交出的產物和背後的機制,並附一份取自 r57 手冊的安裝後第一小時核驗順序。
閱讀全文: 自建 DataFocus OT Flash:開裝之前先定下的七件事兩個版本對本體的描述一致,定義、對映、所需範圍和測試可複用;但文件沒有給出 Flash 到 Heavy 的原地升級。建議按重建來規劃,複用已有資產,並向支援團隊確認未說明的問題。
閱讀全文: 從 Flash 起步、再升級到 Heavy:哪些資產可以帶走DataFocus 公開了參考節點和許可政策,但沒有容量對照表。這份清單把已公開的事實轉成你可以自己採集的指標,幫你在 Flash 與 Heavy 之間做選擇。
閱讀全文: 容量評估訊號:你的工作負載該選 OT Flash 還是 OT Heavy?Flash 把本體跑在一個 Apache Doris 引擎上;Heavy 跑在 Trino、Hive、Iceberg 與 Hadoop 之上,並內建 DataSpring ETL 與 AutoML。三個問題、一個假設場景和許可事實,幫你定下版本。
閱讀全文: OT Flash 還是 OT Heavy?三個問題決定你裝哪個版本BI Copilot 在單個工具的語義模型內回答得很好。問題一旦跨越 CRM、ERP 和合同,或需要讓資料看板與外部 Agent 得到同一口徑並附上 SQL,本體層更合適。
閱讀全文: BI Copilot 與本體平臺:誰能答對業務問題?為 OT Flash 首個試點挑選一個業務問題的清單:有資料、有制度文件、有明確負責人,先寫驗收標準,先用合成數據,最後按規則判斷繼續或停止。
閱讀全文: 如何為 OT Flash 試點挑選並界定第一個業務問題按 r57 使用者手冊的路徑,從首次登入走到一條經過審計的 Agent 答案:登入改密,用檔案或只讀連線匯入三張表,建立本體並繫結表與兩份定義文件,讀圖譜質量,再用“檢視處理詳情”對照資料探索逐條核對,之後才邀請同事。
閱讀全文: 搭建第一個 OT Flash 本體:三張表、兩份文件、一條可審計的答案對沒有資料平臺的小公司,OT Flash 的單引擎設計和“一個業務問題一個本體”的做法是合理的起點,前提是預留伺服器、模型呼叫和運維的投入。
閱讀全文: 從零開始:小團隊用 OT Flash 搭 AI 資料底座合理嗎?從桌面上的一份表格到繫結本體、可搜尋的 OT Flash 資料表,只用資料表管理、本體管理和資料搜尋三個介面,一步步走完。
閱讀全文: 將 CSV、Excel 和 JSON 檔案匯入 OT Flash業務本體把一個業務領域的物件、關係、規則、動作和許可權建成人和 Agent 共用的一個模型。Agent 需要它來補上 schema 給不了的三樣東西:上下文、邊界和批准路徑。文末給出一條判斷何時不該建本體的規則。
閱讀全文: 面向 AI Agent 的業務本體:是什麼、包含什麼、什麼時候不該建OT Flash 只有一個分析引擎 Apache Doris:匯入的表存成 Doris 內部表,Agent 和 MCP 的每次查詢都是一條帶回執的只讀 Doris SQL。本文講清單引擎換來什麼、付出什麼,以及何時 Trino/Hive 棧的 OT Heavy 更合適。
閱讀全文: 一個引擎、一份副本、一種方言:Apache Doris 如何支撐 OT Flash