附录¶
本章所属：跨层
本附录收录跨章节的参考材料，便于查阅与延伸。
一、全书术语索引¶
术语的权威定义与禁止混用对照见 handbook/GLOSSARY.md。这里给出按 DDA 层组织的速查表，首现格式为中文（English，缩写）。
| 所属层 | 中文术语 | English | 缩写 |
|---|---|---|---|
| 跨层 | 数据驱动 AI | Data-Driven AI | DDA |
| 跨层 | 思维升级 | Mindset Shift | - |
| 跨层 | AI 原生 | AI Native | - |
| 跨层 | 业务语义不可靠 | Unreliable Business Semantics | - |
| 跨层 | 语义传递不可靠 | Semantic Transmission Unreliability | - |
| 跨层 | 语义时效不可靠 | Semantic Temporal Unreliability | - |
| 跨层 | 数据即服务 | Data-as-a-Service | DaaS |
| 跨层 | 升级版数据产品 | AI-ready Data Product | - |
| AI Ready Data Platform | AI 就绪数据平台 | AI Ready Data Platform | - |
| AI Ready Data Platform | 数据契约 | Data Contract | - |
| AI Ready Data Platform | 数据血缘 | Data Lineage | - |
| Ontology | 数据本体 | Ontology | - |
| Ontology | 业务世界模型 | Business World Model | - |
| Ontology | 实体 | Entity | - |
| Ontology | 关系 | Relation | - |
| Ontology | 知识图谱 | Knowledge Graph | KG |
| Semantic Layer | 语义层 | Semantic Layer | SL |
| Semantic Layer | BI 语义层 | BI Semantic Layer | - |
| Semantic Layer | 语义接口 | Semantic API | - |
| Knowledge Foundation | 知识基础设施 | Knowledge Foundation | - |
| Knowledge Foundation | 知识绑定 | Knowledge Binding | - |
| RAG | 检索增强生成 | Retrieval-Augmented Generation | RAG |
| RAG | 接地 | Grounding | - |
| RAG | 引用 | Citation | - |
| RAG | 评估 | Evaluation | - |
| AI Agent | AI 智能体 | AI Agent | - |
| AI Agent | 工作流 | Workflow | - |
| Data Loop | 数据闭环 | Data Loop | - |
| Data Loop | 反馈回流 | Feedback Loop | - |
| Ontology Evolution | 数据本体演进 | Ontology Evolution | - |
禁止混用速查¶
| 概念 A | 概念 B | 关系 | 强制选择 |
|---|---|---|---|
| 数据本体（Ontology） | 知识图谱（KG） | KG 是 Ontology 的可能实现 | 方法论用 Ontology，具体图存储用 KG |
| 语义层（SL） | BI 语义层 | Agent 消费 vs 人读报表 | Agent 消费用 SL |
| 数据闭环（Data Loop） | ETL/ELT | 持续学习修正 vs 数据搬运 | AI 反馈回流用 Data Loop |
| AI 智能体（Agent） | 工作流（Workflow） | 自主决策 vs 预定义路径 | 自主执行用 Agent |
| 接地（Grounding） | 事实核查 | 生成前对齐 vs 生成后核查 | 生成前对齐用 Grounding |
| 评估（Evaluation） | 监控（Monitoring） | 质量度量 vs 系统运行 | 检索生成质量用 Evaluation |
| 数据契约（Data Contract） | SLA | 内容协议 vs 服务水平 | 数据内容协议用 Data Contract |
二、药明诺华（NovaPharm）统一案例数据资产清单¶
药明诺华是贯穿全书的虚构创新药企，研发管线聚焦抗肿瘤靶向药。以下是其数据资产清单，供各章案例对照。药企面临的实体对齐、别名消歧、口径统一、知识绑定，与垂直数据服务商（企业征信、专利数据等）的问题是同构的，案例可相互参照。
核心实体¶
| 实体 | 说明 | 关键属性 | 首现章节 |
|---|---|---|---|
| 候选化合物（Compound） | 研发管线核心对象 | research_code, status, aliases | 第 1 章 |
| 靶点（Target） | 药物作用靶点 | target_name（如 c-Met） | 第 2 章 |
| 临床试验（Trial） | 试验对象与进度 | trial_id, phase, status | 第 1 章 |
| 研究者（Investigator） | 试验主要研究者 | investigator_id, site | 第 2 章 |
| 监管文档（Regulatory Doc） | SOP/试验方案/CSR | doc_id, type, version | 第 4 章 |
别名消歧主场景¶
化合物 NVP-001（研发代号）在不同数据源有多个名称，用行业标准编码对齐到同一实体：
| 别名类型 | 值 | 标准体系 |
|---|---|---|
| 研发代号 | NVP-001 | 企业内部 |
| 通用名 | savolitinib | 通用名 |
| 研发代号别名 | AZD6094 | 合作方编号 |
| CAS 号 | 1373746-33-2 | 化学物质标识 |
| PubChem CID | 51035674 | PubChem |
| ChEMBL ID | CHEMBL2108683 | ChEMBL |
| DrugBank ID | DB15423 | DrugBank |
| UMLS CUI | C4073094 | UMLS |
数据契约样例¶
化合物活性清单数据契约 compound_active 见第 1 章。语义接口 list_active_compounds 见第 3 章。SOP 绑定 sop_phase1_termination_v3 见第 4 章。
合规约束¶
- ALCOA+ 数据完整性原则。
- 21 CFR Part 11 电子记录与电子签名要求。
- 零幻觉监管问答。
- Phase I 到上市约 12% 成功率（行业普遍参考）。
- 单药研发成本约 $1-2B（行业普遍参考）。
三、DDA 八层对照速查表¶
| 层 | 解决什么问题 | 主要对付的语义不可靠 | 为什么传统失效 | 核心设计思想 | 首现章节 |
|---|---|---|---|---|---|
| AI Ready Data Platform | 让数据能被 AI 可靠消费 | 传递：字段含义散落 | BI 数仓不提供访问语义与契约 | 数据契约+可程序消费元数据+可追溯血缘+持续质量 | 第 1 章 |
| Ontology | 给 AI 与业务共识对齐的世界模型 | 传递：无单一来源 | 语义散落无单一来源 | 显式定义实体/关系/规则/约束，绑定数据资产 | 第 2 章 |
| Semantic Layer | Agent 经语义接口取数据 | 传递：口径漂移、多消费方不一致 | 裸 SQL 字段改名即崩、口径漂移 | 语义 API 而非语义表，单一口径，拒直连裸库 | 第 3 章 |
| Knowledge Foundation | 统一结构化语义与非结构化知识 | 传递：文档与数据割裂；时效：知识过期 | 文档库与数据割裂、视觉信息丢失 | 多格式解析+视觉资产一等公民+块级绑定+版本时效+溯源坐标 | 第 4 章 |
| RAG | 让 AI 输出可追溯可引用可校验 | 传递：生成端无接地（幻觉为症状） | 直接让 LLM 回答致幻觉无引用、视觉信息丢失 | 语义结构化+多向量多路检索+视觉融合+接地+引用+评估 | 第 5 章 |
| AI Agent | 受控完成多步任务 | 传递：绕过语义链自造口径 | 直连裸库失控出错无法追责 | 消费语义层不直连裸库，编排+记忆+可观测 | 第 6 章 |
| Data Loop | AI 输出反向修正数据知识本体 | 时效：定义滞后于业务变化 | 单向管道错误不反馈 | 反馈采集+三路回流+评估闸门+可观测传感器 | 第 7 章 |
| Ontology Evolution | Ontology 随业务持续生长 | 时效：本体腐化与下游冲击 | 一次性建模后腐化 | 版本化+变更追溯+下游影响评估+历史兼容 | 第 8 章 |
两类语义不可靠与分布式系统的类比¶
数据工程师可用分布式系统的思维模型理解 DDA 的根本问题。类比不是精确一一对应，而是帮助判断"这一层该解决什么"。
| 分布式系统 | Data-Driven AI | 工程应对 |
|---|---|---|
| 不可靠时钟：不能假设全局有序 | 语义时效不可靠：业务在变，定义滞后 | Data Loop 反馈回流；Ontology Evolution 版本演进；KF 知识版本与时效 |
| 不可靠网络：不能假设消息必达 | 语义传递不可靠：含义散落，传不到或传错 | 数据契约与元数据；Ontology 单一来源；SL 单一口径；KF 实体绑定；RAG 接地与引用 |
| 两者共同前提：设计时默认不可靠 | 业务语义不可靠（总称） | 全书主线逐层驯服，而非指望模型"自己懂业务" |
读各章时可对照：该层加固的是传递链的哪一段，还是让语义跟上业务时钟的哪一环？症状出现在下游（幻觉、口径对不上、Agent 自造 SQL）时，往往要往上追溯是传递断了还是定义过时了。
升级版数据产品：从 BI 到 AI-ready¶
AI-ready 转型不是另建 AI 数仓，而是把数据按升级版数据产品交付——驯服语义不可靠的工程落点。详见前言。
BI 时代 vs AI-ready：产品交付升级
| 维度 | BI 时代（表交付） | AI-ready（产品交付） |
|---|---|---|
| 基本单元 | 主题表、字段名承载含义 | 数据产品：契约+元数据+质量门禁 |
| 消费者 | 人（分析师、业务） | 人 + Agent + RAG |
| 交付接口 | SQL、报表 | 语义 API，拒裸库直连 |
| 语义 | 散落注释、人口径 | Ontology 单一来源 + SL 单一口径 |
| 非结构化 | 文档库，与数据割裂 | 知识产品：绑定+版本+溯源 |
| 迭代 | 工单驱动改表 | Data Loop 反馈驱动产品版本演进 |
| 验收 | T+1 跑通、报表可用 | 五项 AI 就绪特性 + 评估黄金集 |
全书八层 = 产品栈逐级升级
| 层 | 产品升级职责 |
|---|---|
| AI Ready Data Platform | 定义产品单元（契约、血缘、质量） |
| Ontology | 产品语义说明书（实体、规则、绑定） |
| Semantic Layer | 产品交付接口（语义 API） |
| Knowledge Foundation | 知识产品目录（多模态、版本、绑定） |
| RAG | 产品消费者的接地与引用 |
| AI Agent | 新产品消费者（经产品接口消费） |
| Data Loop | 产品持续迭代机制 |
| Ontology Evolution | 产品语义版本管理 |
行业验证：征信与专利数据服务商
下列实践证明，升级版数据产品标准在商业环境已跑通多年——不是本书的对比主轴，而是可行性证据：
| 产品能力 | 启信宝（征信） | 智慧芽（专利） | 药明诺华（企业内部） |
|---|---|---|---|
| 产品单元 | 数百个带 SLA 的数据 API | 三百+ 数据 API | 数据契约 + 语义接口 |
| 实体语义 | 多源编号归一主体 | 专利族、权利人标准化 | 化合物别名、跨系统 ID |
| 知识产品 | 扫描件→结构化+坐标 | 结构图→SMILES/分子指纹 | CSR/SOP/表格/图表 |
| 产品迭代 | 客户反馈驱动规则修正 | 用户纠错改进抽取 | Data Loop 三路回流 |
| Agent 消费 | MCP / Agent API 叠加 | Eureka 等平台 | 经 SL 消费，拒裸库 |
内化时的现实差异（不改变产品本质）
| 要点 | 说明 |
|---|---|
| 不卖钱，但标准同构 | 内部产品也须有负责人、契约、消费者清单 |
| Ontology 须共建 | 无外部产品团队单方面定义口径，须跨部门对齐 |
| 评估须自建 | 无付费客户替你定义"好"，黄金集是产品质量门禁 |
| 忌影子产品 | Agent 沙箱自建语义 = 产品目录外的旁路系统 |
四、贯穿全书的可观测四层信息模型¶
数据可观测性的四层信息模型在多个章节复用，是跨层框架：
| 层 | 回答的问题 | 在数据平台的用途 | 在 Agent 的用途 | 在 Data Loop 的用途 |
|---|---|---|---|---|
| Trace | WHERE 在哪发生 | 链路追踪定位故障 | 记录 Agent 调用链 | 把反馈定位到具体调用 |
| Metrics | WHEN 何时发生 | 新鲜度与时效告警 | 记录 Agent 性能指标 | 触发时效与质量告警 |
| I/O | WHAT 是什么 | 校验契约符合度 | 记录工具输入输出 | 校验消费的数据对不对 |
| State | WHY 为什么 | 解释异常根因 | 记录状态演化（Agent 最关键） | 解释 Agent 为什么犯错 |
该模型还贯穿 RAG 章的评估环节：Trace 定位检索失败发生在哪个空间，I/O 校验召回证据对不对，Metrics 度量检索与生成质量并触发回流。
五、工具实现索引¶
以下工具在书中仅作为实现示例出现，标注"仅为一种实现选择"，不代表唯一方案。
| 工具 | 出现章节 | 作为何类示例 |
|---|---|---|
| Apache AGE | 第 2 章 | PostgreSQL 图扩展，Ontology 图结构实现 |
| GraphRAG / LazyGraphRAG | 第 2 章 | 图结构知识检索方法 |
| SHACL | 第 2、8 章 | 本体约束校验语言 |
| dbt MetricFlow / Cube | 第 3 章 | 语义层指标定义工具 |
| MCP（Model Context Protocol） | 第 3、6 章 | 语义层对 Agent 原生可调用的协议 |
| Deequ | 第 1 章 | 数据质量门禁工具 |
| Knowhere | 第 4、5 章 | 文档语义解析与章节树重建 |
| PixelRAG | 第 5 章 | 像素原生视觉检索与视觉编码 |
| EagleRAG | 第 5 章 | 多向量双空间并行召回与 RRF 融合 |
| LangGraph StateGraph | 第 6 章 | Agent 状态图编排框架 |
| UMLS / RxNorm / CDISC / MeSH / ChEMBL / DrugBank | 第 2 章 | 药品与化合物行业标准编码体系 |
| TextIn xParse | 第 4 章 | 文档理解引擎，多格式解析为 Markdown+坐标+类型化元素 |
| Hiro-OCSR | 第 4 章 | 光学化学结构识别，专利结构图转 SMILES |
| 启信宝 / 启信慧眼 | 第 1、2 章 | 企业征信数据服务商，实体对齐与关联图谱的行业实例 |
| 智慧芽 / PatSnap | 第 1、2、4 章 | 专利数据服务商，专利族对齐与化学结构检索的行业实例 |
六、参考文献与延伸阅读¶
以下为书中提及的方法、研究与行业实践的来源方向，供延伸阅读。本书不逐条列 URL，读者可按关键词检索原始资料。各章末尾亦有「延伸阅读」小节，按章节主题给出更细粒度的资料方向，可与本节对照查阅。
- 数据契约与数据产品：Dehghani《Data Mesh》关于数据产品的论述；Data Contract 规范社区资料。
- AI Ready 数据平台：Thoughtworks Looking Glass 关于"从数据平台到 AI 就绪数据生态"的讨论；Data Mesh 2.0 与可组合数据产品平台相关资料。
- Ontology 工程：微软 Fabric IQ、Palantir Ontology、FAOS 三层本体框架（2025 年公开）相关资料；SHACL 与数据目录校验相关 Gartner 报告。
- 语义层复兴：dbt MetricFlow 开源相关资料；Cube、AtScale、LookML 语义层对比资料；Open Semantic Interchange（OSI）标准。
- RAG 与检索：倒数秩融合（RRF）方法资料；多向量跨空间融合与单空间 dense+sparse 混合资料；GraphRAG 与 LazyGraphRAG（微软 2025 年公开）资料；交叉编码器重排方法资料；像素原生视觉检索（PixelRAG 类）资料；Citationware 与引用优先 RAG 方向资料。
- Agent 与编排：ReAct、DAG、StateGraph 编排演进资料；LangGraph 状态图相关资料；MCP 协议规范。
- 数据闭环与评估：Airbnb AITL（EMNLP 2025）关于隐式反馈信号的资料；NVIDIA Data Flywheel Blueprint 相关资料；Ragas、DeepEval、Langfuse、Arize Phoenix 等评估可观测工具资料。
- 本体演进：本体即产品（Ontology as product）与衰减模式相关资料；SHACL 与 Collibra 校验相关资料。
- 药企行业标准：UMLS CUI、RxNorm、CDISC SDTM、MeSH、ChEMBL、DrugBank 各自官方文档；ALCOA+ 数据完整性原则；21 CFR Part 11 电子记录规范。
- 垂直数据服务商：启信宝/合合信息（企业征信）关于实体对齐、关联图谱、数据治理、文档理解引擎（TextIn）的产品与技术资料；智慧芽/PatSnap（专利数据）关于专利族对齐、标准化权利人、化学结构识别（Hiro-OCSR）、新药情报库（Synapse）、Agent 平台（Eureka）的产品与技术资料。
七、章节写作规范依据¶
各章遵循的写作规范与自检依据见 handbook/：
BOOK_CONSTITUTION.md：全书宪法，红线与边界。ARCHITECTURE.md：DDA 各层定义与章节依赖。WRITING_STYLE.md：章节结构与 AI 写作规则。GLOSSARY.md：全书统一术语。DIAGRAM_GUIDE.md：图表规范。
贡献者写新章节前，请先读 AGENTS.md 与上述五个规范文件。