Upsolve Data Models icon

Upsolve Data Models

Upsolve Data Models 为 AI 分析代理提供数据仓库表、键、指标定义和业务词汇的结构化上下文,帮助数据团队统一代理生成的答案,无需 dbt 或现有语义层。

Upsolve Data Models

Upsolve Data Models

Upsolve Data Models 是 AI 分析代理的上下文和治理层。它将数据仓库表和字段与描述、数据类型、主键和外键、规范的指标定义、分析方法及输出格式关联起来,使代理拥有一套统一维护的业务数据定义。

模型和系统提示词像代码一样进行版本管理,并支持草稿和回滚,以便处理上下文变更。可选列值会预先缓存,默认每晚刷新,也可以按照指定时间表刷新,帮助代理在生成答案时使用当前的业务类别和状态。

该功能面向希望从现有数据仓库表开始、而不是先采用 dbt 或其他语义层的团队。它是 Upsolve 更广泛平台中的一层,该平台还包括数据连接、分析代理、可观测性和评估功能;根据所提供的资料,模型注册之外的具体运营工作流尚未得到完整说明。

核心能力

描述性数据模型

将数据仓库表和字段关联到模型,并添加描述、数据类型以及主键和外键,为代理提供明确的结构化上下文。

业务词汇和定义

在与数据模型配套的版本化系统提示词中存储规范的指标定义、分析方法和输出格式。

版本化上下文

为系统提示词和模型创建草稿及版本,从而可以修改上下文并在不立即替换当前定义的情况下回滚。

最新可选值

将列标记为可选值列,使 Upsolve 能够预缓存其值;默认每晚刷新,也可以按照用户选择的时间表刷新。

以数据仓库为先的设置

直接基于数据仓库表构建模型,无需 dbt 或现有语义层,然后在发现缺口时添加定义。

实际使用场景

  • 统一 KPI 答案

    将 ARR、收入或其他 KPI 的定义与计算所需的表和键放在一起记录,减少代理回答常见业务问题时的歧义。

  • 保持业务词汇一致

    将合同状态、付款条款和其他分类业务词汇编码为可选值,使生成的分析使用组织内部的术语。

  • 逐步完善现有数据仓库

    从数据仓库当前的架构开始,仅在代理遇到缺口时添加描述或定义,而不是围绕新的语义层重新设计技术栈。

  • 安全管理上下文变更

    使用草稿和版本测试提示词或模型上下文的变更,并在需要修改定义时回滚。

Pros and Cons

Pros

  • 在一个统一维护的模型中定义供代理使用的表、键、指标和业务词汇。
  • 支持草稿、版本和回滚,让上下文变更更加安全。
  • 可直接使用现有数据仓库表,无需 dbt 或单独的语义层。
  • 默认每晚刷新可选列值,也可以按照用户定义的时间表刷新。

Cons

  • 所提供的文档重点介绍模型注册和上下文管理;对于文档工作流之外的引导步骤、输出和日常管理,具体信息有限。
  • Data Models 页面未详细说明具体连接器和连接类型的可用性,但 Upsolve 表示其平台支持 50+ 个数据连接。

FAQ

我需要 dbt 或现有语义层吗?

不需要。您可以直接在 Upsolve 中基于现有数据仓库表构建数据模型,并随着时间推移添加定义;不要求使用 dbt 或其他语义层。

这与一段很长的系统提示词有何不同?

系统提示词用于存储业务实践和指令,而数据模型用于存储底层数据上下文:表、键、描述、规范定义和实时列值。Upsolve 会同时使用两者。

缓存的列值多久刷新一次?

默认情况下,值会每晚刷新一次,也可以按照用户选择的频率刷新,从而让代理获取的可选列值保持最新。

Upsolve Data Models 可以与哪些内容搭配使用?

Data Models 可与 Upsolve 更广泛的分析代理平台搭配使用。定价页面列出了各套餐支持 50+ 个数据连接,但具体连接可用性和工作流详情可能因配置而异。

Quick Facts

类别
AI 分析代理上下文管理
主要用户
构建和维护 AI 分析代理的数据团队
设置方式
关联数据仓库表和字段,然后添加定义和词汇
语义层要求
无需 dbt 或现有语义层
值刷新
默认每晚刷新,或按照用户定义的频率刷新
平台
Upsolve 云分析平台