语义建模让您通过自然语言完成语义模型、指标、维度的智能管理与查询，Buddy 自动理解业务意图、创建或修改语义对象，并支持自然语言查询语义元数据（含相似度检测），帮助分析人员快速了解和使用指标体系。
概述
语义建模是数据分析的核心基础设施，业务分析人员在开展数据分析前，通常需要创建指标、管理已有的语义模型与维度，或面对大量已有指标时快速定位所需信息。传统方式需要在多个页面反复操作，学习成本高。本功能覆盖以下场景：
语义模型管理：通过自然语言创建、修改、查询语义模型，包括模型的表关联关系、度量定义、维度绑定等配置。
指标管理：通过自然语言创建原子指标、派生指标、复合指标，配置指标口径、计算逻辑、时间粒度等属性，支持批量创建与修改。
维度管理：通过自然语言创建和管理维度、维度属性、层级关系，配置维度与事实表的关联。
自然语言查询语义元数据：用自然语言描述需求，AI 在语义层元数据中进行语义搜索，返回匹配的模型、指标、维度信息，支持相似度检测（识别名称、口径相似的指标，避免重复定义）。
指标体系探索：新入职分析师或不熟悉指标体系的用户，可通过对话式交互了解现有指标体系结构、指标间关系、使用方式等。
前提条件
工作空间已开通 Buddy。
当前账号拥有 Buddy 开发模式权限。
对需要管理的语义模型、指标、维度拥有查看权限。
如需创建或修改语义对象，需要拥有语义层的编辑权限。
语义层中已有基础数据模型（物理表或视图），以便创建语义模型时关联底表。
您必须提供的信息
Buddy 在执行语义建模操作前会要求您提供以下最小信息集，其余由 AI 自动推荐：
信息项 | 说明 |
操作目标 | 要管理的对象类型（语义模型 / 指标 / 维度）及具体名称 |
操作意图 | 创建 / 修改 / 查询 / 探索（可通过自然语言隐含表达） |
如果您的输入不完整，Buddy 会通过「Ask User 卡片」反问缺失信息后再继续；输入完整时会直接执行并展示结果。
AI 可智能生成的配置
配置项 | AI 生成方式 |
指标口径 | 基于用户的自然语言描述，自动生成 SQL 计算逻辑与聚合方式 |
指标属性 | 根据指标名称与口径描述，推荐数据类型、时间粒度、统计周期 |
维度关联 | 分析指标计算逻辑中涉及的字段，自动推荐关联维度 |
模型关联关系 | 基于表的外键、命名规则与字段类型，推荐事实表与维度表的关联关系 |
相似指标检测 | 对新建指标进行名称与口径的相似度匹配，提示已存在的相似指标 |
指标分类建议 | 根据指标名称与业务语义，推荐所属的指标分类目录 |
操作步骤
步骤 1：表达语义建模需求
在 Buddy 输入框用自然语言描述需求，Buddy 会自动识别操作类型与目标对象。
示例输入：
指标管理场景：
帮我创建一个"日活跃用户数"指标，基于 dwd_user_login 表的 user_id 去重计数
修改"GMV"指标的计算口径，需要排除退款订单
给"订单转化率"指标配置按天和按周两个时间粒度
语义模型管理场景：
基于 dwd_order_detail 和 dim_product 创建一个订单分析语义模型
给订单分析模型添加一个"客单价"度量
维度管理场景：
创建一个"地域"维度，包含省、市、区三个层级
把"商品类目"维度关联到订单分析模型上
语义元数据查询场景：
有没有和"用户活跃度"相关的指标？
帮我找一下计算口径包含"支付金额"的所有指标
"DAU"和"日活用户数"是同一个指标吗？
指标体系探索场景：
我们的指标体系是怎么组织的？有哪些大类？
交易域下有哪些核心指标？它们之间什么关系？
"GMV"这个指标的口径是什么？有哪些派生指标？
步骤 2：补充缺失信息
如果输入不完整，Buddy 会通过 Ask User 卡片反问您：
创建指标但未指定底表时，列出可用的事实表供选择。
创建指标但口径描述不够明确时，要求补充计算逻辑。
创建维度但未指定关联表或主键时，要求确认。
回答后 Buddy 继续执行。
步骤 3：相似度检测（创建场景自动触发）
当您请求创建新的指标或维度时，Buddy 会自动进行相似度检测：
名称相似度：检测已有指标、维度中是否存在名称相近的对象（如「日活用户数」与"DAU"）。
口径相似度：对比计算逻辑是否与已有指标高度相似，避免重复定义。
检测结果展示：
如果未发现相似对象，直接进入下一步。
如果发现相似对象，展示相似项列表：
相似指标、维度名称
相似度评分
口径对比
Buddy 建议：复用已有、确认为新建
说明：
相似度检测帮助避免指标重复定义，保持指标体系的一致性与规范性。
步骤 4：审阅 AI 生成的配置
Buddy 会以结构化卡片展示待创建、修改的语义对象配置：
指标创建：
指标名称、指标编码
指标类型（原子、派生、复合）
计算口径（SQL 表达式）
聚合方式、数据类型
时间粒度、统计周期
关联维度
所属分类目录
语义模型创建：
模型名称、关联底表
事实表与维度表的关联关系（Join 条件）
度量列表与维度列表
维度创建：
维度名称、维度编码
维度属性列表
层级关系（如省→市→区）
关联表与主键
说明：
您可以在卡片上修改任意配置后再确认，Buddy 会按修改后的配置落地。
步骤 5：确认并落地
确认配置后，Buddy 调用 DataBuddy 语义层接口执行创建、修改操作，展示：
操作结果（成功、失败）
创建的对象 ID 与状态
失败条目及原因（如命名冲突、权限不足、底表不存在）
步骤 6：联动后续操作（可选）
Buddy 在完成语义建模后，会根据场景主动提示后续操作：
联动操作 | 说明 |
指标发布 | 「指标已创建，是否发布到生产环境？」 |
关联质量规则 | 「是否为新创建的指标配置质量监控规则？」→ 联动 质量任务创建与调度 |
继续探索 | 「是否查看该指标的相关派生指标或上下游关系？」 |
关键节点确认
确认项 | 确认时机 | 说明 |
操作对象 | 操作前 | 确认要创建 / 修改的语义对象 |
相似度检测结果 | 创建新指标时 | 审阅相似指标，确认是复用还是新建 |
配置详情 | 创建 / 修改前 | 审阅指标口径、维度关联、模型配置 |
发布操作 | 发布前 | 确认是否将语义对象发布到生产环境 |
常见问题
Q：Buddy 支持创建哪些类型的指标？
A：支持创建原子指标、派生指标和复合指标。原子指标定义基础的度量计算（如
COUNT(DISTINCT user_id)），派生指标在原子指标基础上添加时间限定与维度筛选（如「近 7 天日活用户数」），复合指标由多个指标组合计算（如「转化率 = 支付用户数、访问用户数」）。Q：相似度检测的判定标准是什么？
A：Buddy 从名称相似度和口径相似度两个维度进行检测。名称相似度基于语义匹配（如"DAU"与「日活跃用户数」会被判定为高度相似），口径相似度基于 SQL 逻辑的等价分析。当任一维度相似度超过阈值时会触发提示。
Q：通过 Buddy 创建的指标和在语义层页面手动创建的有区别吗？
A：完全没有区别。Buddy 通过 DataBuddy 语义层接口创建指标，创建的指标与手动创建的在同一套管理体系中，您可以在语义层页面统一查看和管理。
Q：新入职分析师如何快速了解指标体系？
A：可以直接用自然语言向 Buddy 提问，例如「我们的指标体系是怎么组织的」「交易域有哪些核心指标」「GMV 的计算口径是什么」。Buddy 会以对话方式介绍指标体系结构、指标含义、指标间关系等，帮助新人快速上手。
Q：语义元数据查询和数据目录中的搜索有什么区别？
A：数据目录搜索面向物理层（表、字段），而语义元数据查询面向语义层（模型、指标、维度）。Buddy 的语义查询基于语义理解进行匹配，能理解业务含义的等价表达（如搜索「用户活跃」能匹配到"DAU"指标），并支持口径级别的相似度对比。
Q：批量创建指标时有数量限制吗？
A：单次对话中 Buddy 建议一次性创建不超过 20 个指标，以确保每个指标的口径和配置都能得到充分审阅。如果需要大批量创建，建议分多次对话完成。
