GLOSSARY.md¶
全书术语表¶
本文件是《Data-Driven AI：从数据到智能》的唯一术语来源。
所有章节作者与 AI 协作 Agent 写章节前，必须先查本表。
禁止使用本表以外的译法。
一、使用说明¶
1.1 术语首次出现¶
术语首次出现时，给中英文并列。
格式：中文（English）。
示例：数据本体（Ontology）。
1.2 术语后续出现¶
后续统一用中文。
除非该术语以英文缩写形式更常用，例如 RAG。
1.3 翻译权威¶
本表是唯一翻译源。
章节作者不得自创新译法。
1.4 禁止混用¶
禁止在同一章节混用同义词。
例如，同一章不得既用"数据本体"又用"本体论"。
1.5 修订规则¶
新增术语需要：
- 指定唯一中文译法。
- 给出一句话定义。
- 标注所属 DDA 层。
- 如有易混近义词，列入禁止混用对照表。
二、核心术语表¶
术语按 DDA 层分组。
每条格式：
中文术语（English, 缩写） 定义一句话。 禁止混用：近义词列表。 所属层：层名。
2.1 跨层总称¶
数据驱动 AI（Data-Driven AI, DDA） 以数据为起点的 AI 系统设计方法。 禁止混用：无。 所属层：跨层。
思维升级（Mindset Shift） 数据工程师从数据视角理解 AI 的认知转变。 禁止混用：技能升级、能力转型。 所属层：跨层。
AI 原生（AI Native） 以 AI 系统为核心组织企业数据与流程的形态。 禁止混用：智能化、数字化。 所属层：跨层。
业务语义不可靠（Unreliable Business Semantics） 企业业务含义无法被机器稳定、一致、及时地消费的根本问题，是 DDA 各层设计的共同起点。 禁止混用：模型幻觉、数据质量差（多为症状或子集）。 所属层：跨层。
语义传递不可靠（Semantic Transmission Unreliability） 业务含义散落在多系统、多口径、多文档中，无法经单一来源稳定传给 AI 消费方。 禁止混用：网络故障、接口超时。 所属层：跨层。
语义时效不可靠（Semantic Temporal Unreliability） 业务世界持续变化，而 Ontology、口径、知识资产的定义滞后，导致曾经正确的语义逐渐过时。 禁止混用：数据新鲜度延迟（仅为子集）、模型知识截止。 所属层：跨层。
数据即服务（Data-as-a-Service, DaaS） 把数据封装为带口径、SLA、版本的可调用 API 对外交付的商业模式，是升级版数据产品在垂直数据行业的典型形态。 禁止混用：SaaS、数据中台。 所属层：跨层。
升级版数据产品（AI-ready Data Product） 在 Data Mesh 数据产品基础上，面向 Agent/RAG 消费升级交付标准：机器可读语义、语义接口、可追溯血缘、知识资产纳入产品目录。 禁止混用：AI 数仓、向量库项目。 所属层：跨层。
2.2 AI Ready Data Platform 层¶
AI 就绪数据平台（AI Ready Data Platform） 让企业数据能被 AI 系统可靠消费的数据底座。 禁止混用：数据中台、数据湖仓（除非特指存储设施）。 所属层：AI Ready Data Platform。
数据契约（Data Contract） 数据生产者与消费者之间显式的、可程序校验的约定。 禁止混用：数据协议（口语用法）、SLA（语义不同）。 所属层：AI Ready Data Platform。
数据血缘（Data Lineage） 数据从产生到消费的全链路可追溯关系。 禁止混用：数据流向（口语用法）。 所属层：AI Ready Data Platform。
2.3 Ontology 层¶
数据本体（Ontology） 机器理解企业业务世界的方式。 禁止混用：知识图谱、本体论、领域模型（语义不同）。 所属层：Ontology。
业务世界模型（Business World Model） 企业与人类业务共识对齐的显式语义结构，说明业务对象、关系、规则与约束；在本书中主要由 Ontology 承载，并绑定数据资产。 禁止混用：世界模型（强化学习/生成式 AI 中的环境动力学模型）、数字孪生（除非特指物理仿真副本）。 所属层：Ontology。
实体（Entity） Ontology 中描述的业务对象。 禁止混用：对象（过宽）、表（语义不同）。 所属层：Ontology。
关系（Relation） Ontology 中实体之间的显式业务连接。 禁止混用：外键（语义不同）。 所属层：Ontology。
知识图谱（Knowledge Graph, KG） 一种以图结构组织知识的实现技术。 禁止混用：与 Ontology 等价。 所属层：Ontology（实现技术）。
本书语境下，知识图谱 ≠ 数据本体。
知识图谱是 Ontology 的可能实现之一，不是 Ontology 本身。
2.4 Semantic Layer 层¶
语义层（Semantic Layer, SL） Ontology 的工程化实现，面向 Agent 的语义接口。 禁止混用：BI 语义层、语义模型（语义不同）。 所属层：Semantic Layer。
BI 语义层（BI Semantic Layer） 面向人读报表的语义封装。 禁止混用：与 Semantic Layer 等价。 所属层：Semantic Layer（对照概念）。
本书语境下，BI 语义层 ≠ 语义层。
二者的稳定性要求、契约要求、消费方式完全不同。
语义接口（Semantic API） Semantic Layer 暴露给 Agent 的调用接口。 禁止混用：数据 API（语义不同）。 所属层：Semantic Layer。
2.5 Knowledge Foundation 层¶
知识基础设施（Knowledge Foundation） 把结构化语义与非结构化知识统一组织的 AI 知识底座。 禁止混用：知识库（过窄）、文档库（语义不同）。 所属层：Knowledge Foundation。
知识绑定（Knowledge Binding） 把非结构化知识与 Ontology 实体显式关联。 禁止混用：知识关联（口语用法）。 所属层：Knowledge Foundation。
2.6 RAG 层¶
检索增强生成（Retrieval-Augmented Generation, RAG） 企业知识基础设施的检索与落地层。 禁止混用：向量检索（过窄）、问答系统（过窄）。 所属层：RAG。
本书语境下，RAG ≠ 向量数据库 + 大模型。
那是 RAG 的一个最简实现，不是 RAG 的定位。
接地（Grounding） 生成前把 AI 输出对齐到企业事实。 禁止混用：事实核查（语义不同）。 所属层：RAG。
引用（Citation） 生成后让 AI 输出可追溯到知识来源。 禁止混用：注释、参考（口语用法）。 所属层：RAG。
评估（Evaluation） 对检索与生成质量的持续度量。 禁止混用：测试（过窄）、监控（语义不同）。 所属层：RAG。
2.7 AI Agent 层¶
AI 智能体（AI Agent） 消费 Ontology、Semantic Layer、Knowledge Foundation 的执行单元。 禁止混用：机器人、助手（口语用法）。 所属层：AI Agent。
本书语境下，Agent 不是中心。数据才是中心。
工作流（Workflow） 预定义的、无自主决策的执行路径。 禁止混用：与 Agent 等价。 所属层：AI Agent（对照概念）。
2.8 Data Loop 层¶
数据闭环（Data Loop） AI 系统持续学习、持续修正、持续演进的能力。 禁止混用：ETL、ELT、数据管道、再训练流程。 所属层：Data Loop。
本书语境下，Data Loop ≠ 新的 ETL。
反馈回流（Feedback Loop） 把 AI 输出反过来修正数据、知识、Ontology 的机制。 禁止混用：数据回写（过窄）。 所属层：Data Loop。
2.9 Ontology Evolution 层¶
数据本体演进（Ontology Evolution） Ontology 随业务与反馈持续生长的能力。 禁止混用：模型迭代（语义不同）。 所属层：Ontology Evolution。
三、禁止混用对照表¶
| 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 | 讨论方法论用 Ontology；讨论具体图存储用 KG |
| 语义层（Semantic Layer） | BI 语义层 | 面向 Agent vs 面向人 | 讨论 Agent 消费用 Semantic Layer |
| 数据闭环（Data Loop） | ETL / ELT | 持续学习 vs 数据搬运 | 讨论 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 | 讨论自主执行用 Agent |
| 接地（Grounding） | 事实核查 | 生成前对齐 vs 生成后核查 | 讨论生成前对齐用 Grounding |
| 评估（Evaluation） | 监控（Monitoring） | 质量度量 vs 系统运行 | 讨论检索生成质量用 Evaluation |
| 数据契约（Data Contract） | SLA | 内容约定 vs 服务水平 | 讨论数据内容约定用 Data Contract |
四、缩写表¶
| 缩写 | 展开 | 首次使用规范 |
|---|---|---|
| DDA | Data-Driven AI | 数据驱动 AI（DDA） |
| RAG | Retrieval-Augmented Generation | 检索增强生成（RAG） |
| SL | Semantic Layer | 语义层（SL） |
| KG | Knowledge Graph | 知识图谱（KG） |
| BI | Business Intelligence | 商业智能（BI） |
| CDC | Change Data Capture | 变更数据捕获（CDC） |
| ETL | Extract-Transform-Load | 抽取-转换-加载（ETL） |
| ELT | Extract-Load-Transform | 抽取-加载-转换（ELT） |
| API | Application Programming Interface | 应用编程接口（API） |
| LLM | Large Language Model | 大语言模型（LLM） |
| MCP | Model Context Protocol | 模型上下文协议（MCP） |
缩写首次出现时，必须先给中文全称与英文全称，再用缩写。
示例：检索增强生成（Retrieval-Augmented Generation，RAG）。
后续直接用 RAG。
五、本文件的修订规则¶
修订一个术语的中文译法，需要：
- 全书搜索旧译法并替换。
- 更新禁止混用对照表。
- 更新缩写表。
新增一层需要：
- 在核心术语表中追加该层的小节。
- 确保该层术语与现有层术语无冲突。