Article body
正文
“上个月的毛利率是多少？”这类问题看起来简单，实际需要确认收入与成本的定义、退款处理、时间归属和用户的数据范围。即使生成的查询能够执行，也可能回答了另一个口径的问题。
衡石以指标语义层连接自然语言与企业数据，让 AI 分析围绕可复用的业务定义展开。这就是理解 NL2Metrics 路线的起点：先准备业务语义，再让 Agent 识别问题、选择对象并调用分析工具。衡石的能力体现在指标治理、HQL 表达、自然语言交互与可视化应用之间的协作。
一、先把经营问题变成可复用的指标
一项经营指标需要说明“算什么”和“在什么条件下算”。以毛利率为例，业务团队应确认收入、成本、税费与退款的处理方式，并明确期间、币种和统计粒度。不同部门有不同用途时，应分别命名和说明，而不是让模型临时选择。
衡石通过 HQL 表达业务计算，将指标逻辑与底层数据存算组织起来；指标平台可以按业务主题管理、上下线和授权使用指标。数据团队维护相应的数据集和描述，业务人员通过指标分析或自然语言入口消费这些资产。
指标集中维护后，修改口径有了明确位置，问数与看板也能围绕共同定义展开。实际对账仍要固定指标、时间、筛选、数据批次与访问身份；只要其中一项不同，数值就可能不同。
二、NL2Metrics 让模型围绕业务对象工作
在衡石的分析体系中，可以把一次问数理解为以下过程。这里描述的是能力之间的关系，不是所有请求都必须经过的固定内部执行顺序：
- 明确问题：结合提问与当前页面，确定要查的指标、维度、时间和组织范围；有歧义时补充说明。
- 定位资源：从有权使用的数据集、业务主题或应用中寻找相关对象，利用名称、描述和业务知识理解术语。
- 组织与执行查询：通过平台的分析对象和工具完成计算。Data Agent 也可以辅助编写 HQL 表达式、创建指标。
- 核对结果：检查实际数据、筛选与计算是否符合问题，不能把查询成功等同于业务答案正确。
- 形成成果：在相应产品入口中生成图表、创作或编辑看板，补充可复核的分析说明。
NL2Metrics 强调受治理的业务语义，并不意味着整个系统“不使用 SQL”，也不意味着模型只会匹配已有名称。底层数据接入与查询仍可能涉及 SQL；衡石的价值是让经营分析能够利用已确认的数据与指标资产，而不必在每次提问时重新解释全部规则。
三、语义复用，为问数、看板与集成提供共同基础
指标负责人维护同一项定义，业务用户可以在指标分析和看板中使用它，再通过自然语言继续询问相关变化。Data Agent 的指标创作和可视化辅助能力，还能帮助分析人员把探索过程整理为可继续维护的分析资产。
衡石同时提供 iframe、JS SDK 与 API 等接入方式，使分析能力可以进入企业已有系统。具体交付应明确使用什么身份、开放什么资源、由谁呈现结果及保存资产；接入方式本身不保证所有入口采用相同会话状态或自动共享权限。
模型调整时，已有指标、数据集与业务知识可以继续复用。团队仍需验证新模型的工具调用、语义理解、表达式生成和异常处理，不能把资产可复用写成“换模型零成本”或“无需联调”。
四、权限由系统执行，不能交给提示词
业务语义回答“应该怎么算”，数据权限回答“谁可以看到什么”。两者需要协同建设。衡石具有业务主题授权、数据包与数据集授权、行列权限等管理能力，实际生效规则还与应用的数据权限模式有关。
项目应按真实使用路径验证账号、租户、资源与数据范围。例如给区域负责人提供经营问数时，既要验证其可见的主题，也要检查对应数据的行权限；嵌入业务系统时，还要核对认证身份和应用权限配置。不能只在提示词里写“禁止越权”，就视为已经完成访问控制。
查询超时、返回规模、数据库负载、导出与日志，应按平台配置、数据源能力和部署要求治理。是否具备某项配额、熔断或审计粒度，需要查对应版本与项目配置，不宜虚构统一的扫描行数上限或承诺所有操作都有完整审计。
五、公平比较 NL2SQL 与语义层方案
| 评估维度 | NL2SQL 实践 | 以指标语义为中心的实践 |
|---|---|---|
| 业务口径 | 需要提供业务知识与计算规则，也可以结合指标定义 | 将高频口径集中维护为可复用指标 |
| 建设与维护 | 需要维护数据结构、查询上下文及校验方式 | 需要建设指标与知识，并检查变更影响 |
| 访问控制 | 可以结合只读账号、数据库权限与查询校验 | 需要配合主题、数据与应用权限配置 |
| 验收方式 | 用真实问题检查查询、结果与越权处理 | 用同条件对账检查指标、范围与多入口复用 |
阅读提示：两条路线可以结合使用。选型应比较实际执行、维护与治理方式，不能只凭路线名称判断安全与准确性。
企业评估方案时，可以把同一组问题交给候选系统：已定义指标、存在歧义的指标、多表分析、没有权限的数据、以及业务口径变更后的复测。检查答案来源、计算条件、拒绝行为和维护方式，比使用没有测试集与统计方法的统一准确率更有判断价值。
六、一个集团销售分析的实施示例
以下为虚拟方案示例，不代表真实客户案例或效果数据。一家集团希望总部、区域和门店围绕净销售额开展分析。项目先由财务确认退款和期间归属规则，数据团队维护相关指标及业务主题，再按组织角色配置可见范围。
区域负责人提问“本月净销售额，按门店比较”，Agent 在相应授权范围内查询。总部用户使用同一指标看集团情况，分析人员将已核对的图表用于经营看板。两类用户的结果范围可以不同，但指标计算规则应保持一致。
如果财务调整退款归属，团队需要同步维护定义、相关知识和对账样本，并检查受影响的看板与问法。这里的能力价值在于：企业拥有可维护的指标对象、可控制的消费范围，以及将自然语言探索延续为分析应用的路径。
衡石的 NL2Metrics 路线，让指标建设、AI 问数与分析交付共同服务业务。先把关键口径维护清楚，再用真实问题和真实角色验证，企业才能逐步扩展 AI 分析的使用范围，并持续复用已经投入的数据治理与应用资产。