← 返回博客

DataFocus · 博客

搭建第一個 OT Flash 本體:三張表、兩份文件、一條可審計的答案

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。

上手 DataFocus OT Flash,要做的事只有一件:搭一個很小的本體,在別人依賴它之前,先證明它答得對。r57 使用者手冊給出的路徑分五步:登入並修改預設密碼;通過檔案或只讀資料庫連線,把兩三張表匯入 Flash;建立本體,繫結這幾張表,再上傳一兩份界定業務術語的文件;向本體 Agent 提一個問題,開啟“檢視處理詳情”(View processing details),看它用了哪些表、呼叫了哪些工具;最後和業務負責人一起過一遍簡短的清單,再邀請同事。第四步是第一個本體最容易悄悄失敗的地方:一條看起來沒錯、實際卻建在錯誤的表上,或者根本沒用到定義文件的答案,是不能交給同事的。

下文出現的每一個介面、欄位和標籤,都來自 OT Flash r57 使用者手冊。這是手冊記載的操作步驟,不是對某個執行中例項的報告。

你要搭的是什麼,動手前必須具備什麼

OT Flash 是面向業務使用者的資料分析與知識平臺:輸入關鍵詞,系統自動畫出圖表;用自然語言向 FocusGPT 提問;或者和一個把業務資料與文件結合起來的本體 Agent 對話。在 Flash 裡,一個本體是圍繞一個業務主題組織起來的知識空間:相關的資料表、業務文件、指標和資料看板,再加上一個基於這些內容回答問題的 Agent,它還能呼叫“執行”去跑一次分析,或把結果寫回。每個本體有 11 個模組:Agent、本體圖譜(Ontology Graph)、文件中心(Document Center)、資料表(Data Tables)、資料探索(Data Explore)、歷史問答(Answers)、資料看板(Pinboards)、資料應用(Data Apps)、指標(Indicators)、執行(Execution)和控制面板(Control Panel);第一個本體只會用到其中五個。

先把這些準備好:

你需要為什麼重要由誰提供
Flash 的訪問地址,例如 https://<server address>:31600Flash 在瀏覽器裡執行;手冊推薦最新版 Chrome管理員
一個角色裡包含 Tables 和 Ontology 的賬號能看到哪些選單,取決於你的角色和許可權管理員
已配置好的大語言模型服務本體 Agent 只有在配置了模型服務之後才能使用管理員
一個業務問題,有明確的負責人和寫下來的驗收標準讓本體小到可以人工核對你和業務負責人
這個問題所涉及的表的樣例資料或模擬資料入門指南要求從模擬資料開始你

如果還沒有例項,OT Flash 免費發行;安裝映象和發行說明(含系統要求與支援的平臺)在下載頁和 GitHub 倉庫都有。

第四行決定了後面所有事情的走向。DataFocus 的入門指南要求你在動手搭建之前,先定義任務、任務的業務負責人、驗收標準和允許的範圍。產品簡介把選擇範圍收得更窄:挑一個已經有資料、有制度文件、有明確負責人的問題,比如訂單交付或採購審批;為它建一個本體;讓業務使用者先用起來;然後才授權 AI Agent,或轉向下一個業務域。一個實用的檢驗方法:如果你說不出是哪份文件定義了這個問題的關鍵術語,那你還沒有選定問題。

第一步:登入,讀一遍選單

  1. 在 Chrome 中開啟地址,用分配給你的賬號登入。管理員首次登入會被強制修改預設密碼;這個預設密碼不要在任何別的地方複用。
  2. 現在就問清楚:郵件伺服器配置了沒有。自助找回密碼只有在配置了郵件伺服器之後才可用。
  3. 讀一遍左側選單:從首頁(Home,即本體工作臺)開始,經過資料表管理(Tables)、本體管理(Ontology)、日誌管理(Logs),到系統管理(Admin)和回收站(Recycle)。如果看不到 Tables 或 Ontology,說明你的角色裡沒有它。去申請角色,不要借別人的賬號登入;第五步會解釋原因。

第二步:把表匯入 Flash

本體繫結的是系統裡已經存在的表,所以資料先行。r57 手冊列了五條匯入路徑:本地 CSV、Excel 或 JSON 檔案,外部資料來源,API,以及 HTTP 源。第一個本體的決策規則如下:

情況路徑理由
兩三張表,模擬資料或匯出的資料,不需要重新整理在 Tables 下做檔案匯入沒有東西要配置、要加固,刪起來也容易
同樣這幾張表,但必須保持最新外部資料來源加定時匯入匯入嚮導可以設定定時計劃
“保險起見”導二十張表暫時哪條都不選二十張表你沒法人工核對

檔案匯入是第一次嘗試的預設選項:把你的問題需要的表匯出來,比如 orders、shipments 和 customers,在 Tables 下匯入。

連線資料庫則要填寫資料來源名稱(Source Name)、伺服器(Server)、埠(Port)、資料庫(Database)、可選的 Schema 和 JDBC Param,以及使用者名稱和密碼,然後點 Connect 測試連線。手冊建議為 OT Flash 單獨申請一個只讀資料庫賬號,只開放計劃分析的庫和表;去找 DBA 要一個,不要用你自己的憑據。之後的匯入是一個三步向導:選擇資料來源、選擇表、配置載入方式(含匯入型別和可選的定時計劃)。

不管走哪條路,都要開啟每一張匯入的表,檢查列名和型別;Agent 只能引用表裡確實存在的東西。

第三步:建立本體,繫結表與文件

建立

進入 Ontology。頁面會顯示已有多少個本體、還能再建多少個;手冊裡的示例是“2 items / 98 more can be created”。建立只需要一個名稱和一個圖示。按問題命名,叫“訂單交付”,而不是按部門或來源系統命名;“財務表”這樣的名字,同事看了完全不知道它能回答什麼。

繫結表,定義關聯

開啟本體,進入資料表(Data Tables)。匯入資料表(Import data table)把系統裡的表加入這個本體;關係(Relationships)頁籤用來在這些表之間建立關聯,做法與資料表管理章節相同。如果 orders 和 shipments 共用一個訂單號,就在這裡定義這條關聯。不定義,Agent 和資料探索看到的就是兩張互不相關的表。

接著用資料探索(Data Explore)。它提供與資料搜尋(Data Search)相同的搜尋功能,只是範圍限定在這個本體的表。把驗收標準所依賴的那兩三個篩選條件跑一遍,比如上個月實際發貨晚於承諾日期的訂單,把數量記下來。這些就是第四步要用的參照數字。

上傳界定術語的文件

進入文件中心(Document Center),上傳解釋這些資料的文件:指標口徑、業務規則、操作規程。每份文件顯示檔名、型別、大小、關聯表、更新時間和狀態。**只有當狀態顯示為 Completed(已完成),Agent 才能檢索並引用這份文件。**在此之前提問,得到的是一條只基於表的答案,很容易被誤認為是基於規則的答案。

這些文件配得上它們的位置。data.world 的研究者在 2023 年的一項基準測試中(Sequeda、Allemang 和 Jacob,arXiv)發現:直接對著一份保險業務的 SQL schema 提問時,GPT-4 對企業問題的回答正確率是 16%;同樣的問題改為基於由本體和對映構建的知識圖譜來回答,正確率是 54%。只有一個 schema、一代模型,所以這兩個數字應當看作方向,而不是定律。方向本身很清楚:答案質量的上限由你繫結的上下文決定,而一頁紙的定義,是你能加進去的最便宜的上下文。

一個具體的例子

考慮一個假設的“訂單交付”本體(假設場景,不是手冊裡的例子):

繫結物件內容給 Agent 帶來什麼
orders 表訂單號、客戶 ID、承諾交付日期全集,以及承諾
shipments 表訂單號、發貨日期、承運商、送達日期實際發生了什麼
customers 表客戶 ID、名稱、區域同事們要求的分組維度
關係orders 與 shipments 按訂單號關聯;orders 與 customers 按客戶 ID 關聯把它們組合起來的能力
文件 1一頁紙,定義“準時交付”判定哪些訂單算延遲的規則
文件 2延遲訂單的升級處理流程建議措施的依據

提問之前先讀圖譜

本體圖譜(Ontology Graph)把知識節點(表、文件、欄位)及其關係畫成一張網路圖。它的圖譜質量(Graph quality)面板列出節點數、關係數、孤立節點、連通分量、未對映的提及和失敗的來源。新增資料或文件之後,用重建(Rebuild)或重新整理(Refresh),然後對照上面那張表,問一問結構是否一致。一個孤立的表節點意味著少了一條關聯;一個失敗的來源意味著某份文件沒有成功進來。在 Agent 有機會繞開它們之前,把這兩類問題都修掉。英文介面下,圖譜工具欄的標籤是中文的,所以把手冊的截圖開在旁邊。

第四步:向 Agent 提問,然後審計它的工作

提問有兩個地方。在首頁(Home,本體工作臺)上,與本體對話(Talking With Ontology)把問題發給所選本體的 Agent;“@ 本體名稱”標籤顯示的就是選中的那個。在本體內部,Agent 模組會展示 Agent 讀取表和文件、一步步處理問題的過程;停止任務(Stop task)可以中斷它。測試問題請用 Agent 模組,並在每一問之前點清除上下文(Clear Context),讓 Agent 開始一個新話題,前面的對話不會影響你即將核對的這條答案。

要有等待的準備。手冊說一條答案通常需要幾十秒,複雜問題更久。返回的內容包括結論、詳細記錄、風險提示和建議措施,說明資料來自哪些表,執行摘要(Run Summary)給出步驟數。

現在開始審計。答案引用的資料來自繫結到本體的表和文件,檢視處理詳情(View processing details)顯示 Agent 查詢了哪些資料、呼叫了哪些工具。最初的幾個問題,每一條都對照下表讀一遍。

處理詳情顯示可能原因去哪裡修
查詢了一張你沒預料到的表繫結過多,或者某條關聯把查詢引到了意想不到的地方資料表:移除該表,或修正關係
一個依賴定義文件的問題,答案卻沒有引用該文件文件尚未 Completed,或者問題裡沒有用到文件中的術語文件中心;然後用文件裡定義的術語再問一次
同一篩選條件下,詳細記錄與資料探索的數量不一致缺少關聯,或者篩選條件被作了不同的解釋關係頁籤;把 Agent 實際應用的篩選條件和你跑的那條比一比

改寫問題在上表只出現了一次,而且只在文件已 Completed 之後。當 Agent 用錯了表或跳過了文件,原因幾乎總在第三步;靠改提示詞繞過結構上的缺口,並不能告訴你下一位同事的問題會不會以同樣的方式失敗。

第五步:邀請同事之前要確認什麼

和你一開始指定的業務負責人一起過這份清單。

  • [ ] 本體只覆蓋一個業務問題,名字說明了是哪一個。
  • [ ] 每一張繫結的表都是必需的。“以備不時之需”綁進來的表已經移除。
  • [ ] 每份文件在文件中心都顯示 Completed,並且是當前版本。
  • [ ] 圖譜質量顯示沒有失敗的來源,每一個孤立節點你都能解釋。
  • [ ] 已經問過三到五個典型問題,處理詳情都對照資料探索核對過。
  • [ ] 答案符合寫下來的驗收標準。入門指南提醒:未經確認,不要把生產完工、發運和客戶驗收當成同一件事;在交付問題裡,這正是你的定義文件應該敲定的區別。
  • [ ] 資料庫連線使用只讀賬號。
  • [ ] 訪問許可權通過角色授予,而不是共用登入賬號。

最後一項就是第一步說“申請角色、不要借賬號”的原因。r57 預置了一組不可修改的系統角色,其中有 SYSTEM_MANAGER、SOURCE_MANAGER、DEPARTMENT_MANAGER、DEVELOPER 和 LOG_MANAGER;管理員可以新增自定義角色,按資源逐項授予許可權,資源分為全部資源(All Resources)、本體(Ontology)和資料填報(Data Entry)三類。日誌管理(Operate Logs)記錄登入、表匯入等操作,每條記錄帶操作使用者;檢視它需要 LOG_MANAGER 或 SYSTEM_MANAGER 角色。當同事反映“昨天的答案變了”,這份日誌能告訴你是否有表被重新匯入、是誰導的。共用一個登入賬號,這份日誌就成了噪音。

開始之前要知道的限制

  • **Agent 依賴管理員配置的模型。**手冊沒有指明任何廠商或模型,本文也不對答案質量或速度做任何斷言。Flash 是本地部署、自建執行的;如果配置的是外部模型,請按你的資料政策確認有哪些內容會被髮送給它。
  • **本體是一個工作空間,不是形式化的建模語言。**在 r57 中,你用表、關係、文件、指標和圖譜把它搭起來。如果你需要顯式的物件型別和規則定義,Flash 的手冊沒有描述這部分。
  • **小是目的,不是妥協。**三張表、兩份文件,一個人就能核對完。把部門擁有的一切都綁進去,就沒有人能核對答案了——這和答案出錯是兩個不同的問題,而且更難察覺。

下一步

動手時把 r57 使用者手冊開在第 10 章(本體)和第 6 章(資料來源)。先按入門指南的要求寫下任務、負責人和驗收標準;判斷本體是否奏效,靠的就是這些標準。