知识核心 · AI 本体

将分散的数据
转化为 AI 可使用的知识

ONDO AI ONTOLOGY 在知识图谱中连接文档、数据结构与业务术语,让对话式 AI 基于企业知识回答问题。

关联企业内部知识 · 查询执行前验证 · 人工批准后更新知识

  • 连接整理知识文档、数据结构与业务术语
  • 检查首先验证 SQL已登记的数据表、字段与关联关系
  • 核查查看每个查询背后的证据被拒原因与业务含义
  • 批准完善知识审核修改并保留历史记录
问题

AI 需要理解企业的数据规则

AI 生成的 SQL 可能引用不存在的表或字段。先将内部数据结构与业务术语关联,再在执行前检查查询。

验证设计

使用内部上下文生成查询,
然后在执行前验证

知识图谱为 SQL 生成提供相关数据结构和业务术语;独立的验证步骤再根据已登记的结构与规则检查结果。

执行查询前需要核查什么

确认表和列存在,联接和聚合符合业务预期,并且请求者具有访问权限。

  • 数据结构校验
  • 单独生成和验证
  • 执行前规则
  • 拒绝历史记录

询问您的数据并检查证据

用自然语言提出问题来查找所需的数据并在表格中查看。在一处查看查询条件和结果。

此示例显示 ONDO AI 工作区中的产品查询。显示的产品和图形是示例数据。

来源核验已开启 — 答案有经过核实的依据
MCP集成查询企业内部数据库与工具中的数据
深入研究多步骤、深入研究
一般搜索快速查找事实信息
⬡ ONDO AI已使用 0.0% · 模拟账户
今天有什么工作需要我协助?
品牌:NORDÉ 年份:2026 季节:春夏 品类:T 恤
请列出符合上述条件且成本率最低的 10 款商品,按售罄率从高到低排序,并提供供应商信息。
ONDO AI

分析完成,结果如下。

📊 NORDÉ 2026 春夏 / T 恤 — 成本率最低的 10 款商品(按售罄率排序)

成本率
排名
款号产品名称已确认
零售价
成本率
(%)
售罄率
(%)
供应商代码供应商名称
5NDTS5B899IV海军蓝凉爽触感条纹 Polo 衫139,00015.756.5%0000103026Hansung A&D Co., Ltd.
7NDTS5B404NVCool Light 海军蓝 C/P 珠地布 Polo 衫159,00016.047.0%0000303572Pacific Apparel Ltd
7NDTS5B404BRCool Light 棕色 C/P 珠地 Polo 衫159,00016.044.2%0000303572Pacific Apparel Ltd
7NDTS5B404BGCool Light 米色 C/P 珠地布 Polo 衫159,00016.042.8%0000303572Pacific Apparel Ltd
7NDTS5B404BKCool Light 黑色 C/P 珠地布 Polo 衫159,00016.041.8%0000303572Pacific Apparel Ltd
7NDTS5B404LBCool Light 浅蓝色 C/P 珠地布 Polo 衫159,00016.040.5%0000303572Pacific Apparel Ltd
7NDTS5B404LGCool Light 浅绿色 C/P 珠地布 Polo 衫159,00016.035.8%0000303572Pacific Apparel Ltd
7NDTS5B404BLCool Light 蓝色 C/P 珠地 Polo 衫159,00016.031.6%0000303572Pacific Apparel Ltd
1NDTS5B897NV海军蓝刺绣徽标 T 恤109,00012.726.3%0000103026Hansung A&D Co., Ltd.
3NDTS5B898NV海军蓝刺绣徽标 Polo 衫139,00014.923.3%0000103026Hansung A&D Co., Ltd.
💡 ONDO AI 见解
  • 海军蓝凉感 Polo 衫的售罄率为 56.5%,排名第一。其成本率仅为 15.7%,兼顾利润率与商品周转效率。
  • Cool Light 系列 Polo 衫的成本率均为 16.0%,但 不同颜色的售罄率差异很大(海军蓝 47.0% → 蓝色 31.6%)。建议增加畅销颜色的备货,减少表现较弱颜色的订货量。
  • 成本率最低(12.7%)的 刺绣徽标T恤的售罄率仅为 26.3%。虽然利润率较高,但周转较慢;可考虑增加曝光与促销。
建议增加 海军蓝基础款系列的订货量,将其列为下一季重点;该系列的成本率和售罄率均表现良好。
依据:企业内部商品与销售数据表ONDO AI 验证 SQL已拦截无依据的回答 ✓
NORDÉ 2026 春夏风衣同比上涨 同比增长23.7%,销售额排名第一。 ← 无依据的推测(编造的数字)
输入消息...
MCP集成 深入研究 一般搜索
ONDO AI 工作区·演示
工作流程

内部知识如何成为 AI 答案

在知识图谱中关联文档提取的术语与数据结构。业务人员可实时查看和完善图谱,对话式 AI 也会参考其中的知识。

  1. 收集

    大语言模型从内部文档(包括图片型文件)提取业务术语。

  2. 连接

    在知识图谱中关联数据结构与业务术语。重新加载源数据后,用户所作的修改仍会保留。

  3. 维护统一的知识依据

    在知识图谱中管理视图、字段、关联关系与业务术语,为 AI 提供一致的依据。

  4. 查询

    对话式 AI 首先查找与问题相关的表、列和联接。

  5. 验证

    执行前对照知识图谱检查生成的 SQL;如违反规则,则拒绝执行并提示重新生成。

SQL 生成与验证是两个独立步骤。执行前检查结构错误;业务含义与访问权限还需分别审核。

范围和验证

依据企业自身数据,
确定应用范围

梳理数据库结构、业务术语与代表性问题,并在实际运行环境中检查结构验证、访问权限及运行条件。

输入数据库结构、业务术语、代表性问题、访问权限及汇总规则
结构检查在执行前将生成的 SQL 与已注册的表、列和联接进行比较
输出和历史记录查询结果、依据来源、被拒原因和编辑记录
部署确认目标数据库、支持的 SQL 语法、架构更新和执行路径
含义和访问单独查看指标定义、聚合结果和数据访问
评价用代表性问题、错误回答及被拒绝的查询评估准确率、重试情况与验证错误
  • 验证依赖于知识图谱中登记的数据结构与规则。数据库发生变化时,应确认图谱已同步更新。
  • 查询即使使用真实字段,也可能得出误导性的业务结果。应先明确正确结果,再审核回答。
  • 检查被拒绝的查询及重写结果,识别误放行与误拒绝。
  • 针对验证服务中断、权限缺失及不受支持的语法,检查执行控制与恢复机制。

结构验证无法保证答案正确,也无法发现所有错误。应结合真实数据、问题、模型及执行条件确认适用范围与效果。

相关项目 — 企业 AI 平台
我们在内部数据查询、权限和使用管理方面的经验,为知识核心的设计提供依据。

路线图

从关联企业知识,
走向关系推理

我们正在运行知识图谱核心。下一步将扩展到能够基于知识间关系进行推理的本体。

  1. 第 0 阶段·技术验证

    设计知识图谱的存储与检索

    设计了在知识图谱中关联数据结构与业务术语、并以可视化方式审核的结构。

  2. 第一阶段·当前

    知识图谱核心

    我们正在运行数据结构与业务术语关联、SQL 验证、实时知识编辑及改进建议功能。

  3. 第 2 阶段 · 下一步

    基于本体的推理

    探索基于 OWL 的形式化推理,推导知识之间的关系。同时评估值域、层级及其与现有知识图谱的兼容性。

您希望从企业内部数据中得到什么答案?

我们会结合具有代表性的问题与数据结构,探讨自然语言查询如何融入您的业务。