#多空间简介

多空间让一个 Data Agent 实例可以承载多个业务域或租户，每个空间都拥有独立的建模数据、AI 员工以及权限设置。通过为团队、部门或客户创建独立空间，可以避免数据串用，并让不同的业务线按需定义自己的指标与工作流。

#核心特性

• 语义隔离：每个空间的 Schema、指标、自定义术语与同义词完全隔离，互相不可见，确保不同业务域的语义层不会相互污染。
• AI 员工隔离：AI 员工在问答时仅能访问当前空间下授权的表。如果为 AI 员工设置了表级权限，该员工只会出现在一个空间中，避免跨空间误用。
• 权限与审计：搭配空间级成员管理，可以在组织层面清晰地划分数据责任和审核链路。

借助多空间机制，平台可为多租户 SaaS、跨部门数据服务或按项目管理的数据团队提供可靠的隔离与扩展能力。

#使用场景与选型建议

只有在多个团队或部门之间，数据需要进行强隔离时，才建议使用多空间。例如，不同团队需要维护各自独立的 Schema、指标、AI 员工和权限体系，且彼此之间不应互相查看或复用数据时，多空间才是更合适的方案。

如果没有强隔离诉求，更建议使用单空间加权限隔离的方式。这样既能减少空间拆分带来的管理成本，也更适合统一维护跨团队共享的语义层、指标口径和问答体验。

如果需要让同一个用户同时问答多个业务域的数据，就应该使用单空间。由于多空间之间的数据与语义是隔离的，跨空间统一问答并不是多空间的设计目标。

单个空间目前没有 Schema 数量限制，已有单空间承载 400+ 个 Schema 的实践案例。因此，是否拆分为多空间，优先应基于隔离需求判断，而不是基于 Schema 数量判断。