AI 建模与人工审核
AI 只负责提高建模效率，结果不会直接发布。
AI 能生成什么
| 建议类型 | 内容 |
|---|---|
| 实体命名 | 把 t_ord_mst 这类物理表名映射成「订单」 |
| 字段角色 | 区分主标识、外键、度量、维度、时间轴 |
| 指标草案 | 原子指标公式、默认聚合、展示格式 |
| 维度草案 | 分析维度、数据类型、时间粒度 |
| 别名与值字典 | 业务说法别名、低基数维度的真实取值 |
所有建议先进入 Candidate Revision。覆盖人工内容的建议默认不选中，必须经过审核才会生效。
在关系画布上确认关系
关系基数决定了聚合会不会扇出、金额会不会翻倍，因此必须人工确认。
确认内容包括：
- 两个实体之间是否真的存在业务关系
- 关系基数：一对一 / 一对多 / 多对多
- 该关系是否允许出现在安全 Join 路径上
冻结的含义
发布时，系统会从每个事实根出发计算安全 Join 路径并冻结在 Release 里。线上查询只能走冻结路径，不会临时推断新的 Join。
审核指标
指标是最容易出错的地方，逐项确认：
| 属性 | 要确认什么 |
|---|---|
| 公式 | 原子指标的度量列；派生指标的组合方式 |
| 默认聚合 | SUM / AVG / COUNT / COUNT DISTINCT |
| 可加性 | 完全可加 / 半可加（如库存余额不能跨时间求和）/ 不可加 |
| 时间轴 | 该指标按哪个时间字段做同比、环比与时间过滤 |
| 展示格式 | 金额、百分比、整数、小数位 |
粒度是当前已知的薄弱环节
「平均每单销售金额」如果被写成 AVG(销售金额)，算出的是明细行均值而不是按单均值。这类粒度曲解目前不在治理关卡的判据内，属于已记录的待办。审核指标时请显式定义按单口径的派生指标。
结构校验
发布前先跑结构校验，检查模型自洽性：
- 指标引用的列是否存在
- 维度是否绑定到有效模型
- 关系是否形成合法路径
- 时间轴是否可用
真实数据质量报告
结构校验通过不代表模型对。质量报告用真实只读查询检查：
| 检查项 | 说明 |
|---|---|
| 主标识唯一性 | 声明为主键的列是否真的唯一 |
| 关系基数 | 声明的一对多是否真的成立 |
| 扇出 | Join 后行数是否异常放大 |
| 指标样本 | 指标算出来的量级是否合理 |
| 可达性 | 每个维度是否能从事实根经安全路径到达 |
这些问题只有碰到真实数据才会暴露。跑完质量报告再发布是强烈建议的流程。
两个 Playground
发布前系统提供两个验证入口：
- 结构化 Playground：直接提交指标、维度、过滤条件，验证语义模型能否被正确翻译成物理 SQL。
- 自然语言 Playground：用业务人员的真实说法提问，验证别名、映射和完整查询链。
tip
自然语言与结构化查询是两条独立合同。结构化 Playground 通过、自然语言不通过，说明问题出在 Mapper 或业务词典，而不是模型结构。