#AI 辅助建模

DataAgent 提供了一位 AI 员工 Sage 来辅助实施人员进行建模工作。Sage 可以自动分析表结构，理解业务意图，快速生成语义模型初稿。

#入口

Sage 有两个入口，分别适用于不同的场景：

#入口一：语义建模 - Schema 列表

进入 系统搭建 → 语义建模 → Schema 列表，页面右上角可见 AI 员工 Sage 的入口按钮。

点击 Sage 后，可选择两种建模方式：

• 从数据源开始建模
• 按业务需求设计 Schema

#入口二：全局设置 - 数据源管理

进入 系统搭建 → 全局设置 → 数据源管理，添加数据源后，该数据源后方会出现 Sage 的快捷入口。

点击此处的 Sage，默认以 从数据源开始建模 的方式启动，无需额外选择。

#两种建模方式

#从数据源开始建模

适用于已有数据库、希望基于现有表结构快速生成模型的场景。

工作流程：

1. Sage 会引导你从已连接的数据源中选择一批数据库表。
2. AI 自动分析选中表的结构，提取其中的关键业务信息。
3. 将这些信息重新组织、重构为 AI 更容易理解的语义模型。
4. 在重构过程中，AI 会尝试自动匹配字段的语义类型与 SQL 表达式。

适用场景与注意事项：

• 适合数据源已就绪、表结构相对规范的情况。
• AI 会基于表名、字段名和样本数据进行推断，一定程度上实现 SQL 与字段的自动匹配。
• 面对较为复杂的业务逻辑时，AI 的推断可能存在偏差，会有较多需要人工判断和调整的部分。

#按业务需求设计 Schema

适用于希望先从业务视角梳理清楚"需要什么"，再回头对接数据的场景。

工作流程：

1. Sage 会通过多轮对话向你提出一系列问题，逐步了解业务需求。
2. 你只需将业务信息反馈给 Sage，AI 即可根据这些需求，直接生成一份语义清晰的 Schema 设计稿。
3. 模型建立后，你可以以这份 Schema 为目标，通过 ETL 等方式将现有数据集接入，或按模型定义构建新的数据集，使数据与模型对接。

适用场景与注意事项：

• 该方式构建出的模型语义清晰、问答效果较好。
• 适合希望以业务需求为起点，先明确模型结构再推进数据准备的情况。
• 后续需要投入 ETL 工作，将实际数据按照模型定义进行加工和映射。

#Sage 能做什么

• 自动识别字段类型：分析表结构，智能识别指标、维度等语义类型。
• 生成模型初稿：根据自然语言描述或选中的数据库表，快速生成完整的语义模型。
• 业务逻辑推断：基于字段名和样本数据，推断业务含义和计算逻辑。
• 交互式优化：支持多轮对话，持续完善模型定义。
• 需求驱动建模：在按业务需求设计 Schema 模式下，通过对话即可生成模型设计稿，后续再通过 ETL 对接数据。