日期：2026-08-28 前提：数仓已产出账单表（事实表）+ 必要的维度表，忽略数仓建模过程，直接基于表结构做本体驱动的指标查询。 定位：AI Native 指标查询——自然语言驱动、本体推理、受约束 SQL，而非传统 BI 拖拽报表。
现有账单表 + 维度表（表结构已知）
↓
① 表结构解析：从账单表/维度表解析出度量字段、维度外键、口径字段
↓
② 指标本体建模：基于表结构建指标本体（指标类、维度类、口径公理 + mapsTo 映射）
↓
③ 本体驱动查询：自然语言 → 本体推理（等价/层级/推导）→ 受约束 SQL → 结果 + 分析
| 本体能力 | 指标查询中的作用 |
|---|---|
| 概念等价推理 | 「成交额」≡「GMV」，消除口径打架 |
| 维度层级推理 | 「华东区」自动展开为省份列表 |
| 口径公理约束 | 「GMV 不含退款」形式化，机器校验 SQL |
| 指标推导 | 「客单价」自动拆解为 GMV ÷ 订单数 |
本质：本体把「指标、维度、口径」形式化成可推理的逻辑，让 AI 查询既准确、又可解释、可溯源。关系表 + LLM 是"把语义塞进 prompt 里猜"，本体 + 推理是"把语义形式化后用推理机算"。
┌──────────────────────────────────────────────────┐
│ 应用层：AI Native 指标查询 │
│ 自然语言 → 本体推理 → 受约束 SQL → 查询 → 分析 │
├──────────────────────────────────────────────────┤
│ 本体层（核心）：指标本体 │
│ · OWL 本体：指标类、维度类、口径公理 │
│ · 推理引擎：Apache Jena（等价/层级/推导） │
│ · mapsTo 映射：本体概念 ↔ 账单表/维度表字段 │
├──────────────────────────────────────────────────┤
│ 数据层：现有数仓表（不动） │
│ · 账单表（事实表）：度量 + 维度外键 + 口径字段 │
│ · 维度表：地区维、日期维等 │
└──────────────────────────────────────────────────┘
关键：数据层完全复用现有表，不新建、不改动。本体层是新增的「语义层」，通过 mapsTo 映射桥接到现有表字段。
用户问「华东区成交额」
本体公理：上海 partOf 华东区、江苏 partOf 华东区、...
推理：华东区 → {上海, 江苏, 浙江, 安徽, 福建, 江西, 山东}
生成 SQL：WHERE region_name IN ('上海','江苏',...)
业务方 A 问「成交额」，B 问「GMV」，C 问「销售额」
本体公理：成交额 ≡ GMV ≡ 销售额
推理：三者是同一指标，映射到同一账单表字段
本体公理：GMV ≡ SUM(bill_amount) ⊓ (status=paid) ⊓ (refunded=false)
生成 SQL 必须含 status='paid' AND refunded=false，否则拦截
用户问「客单价」
本体公理：客单价 ≡ GMV ÷ 订单数
推理：拆解为两个子指标，分别查询再计算
「上个月华东区成交额环比多少？为什么？」
① LLM 槽位提取：{ metric:"成交额", region:"华东区", time:"上个月", compare:"环比" }
② 本体推理：成交额 ≡ GMV
③ 本体推理：华东区 → 7 省份
④ 受约束 SQL 生成（GMV 口径固化模板 + 参数填充）
⑤ 口径校验（公理校验 SQL）
⑥ ADB 查询账单表
⑦ LLM 归因分析（基于真实结果）
| 步骤 | 内容 | 产出 |
|---|---|---|
| ① 表结构解析 | 解析现有账单表 + 维度表 DDL，识别度量/维度/口径字段 | 字段清单 + 维度识别 |
| ② 本体建模 | 基于表结构建指标本体（指标类 + 维度类 + 公理） | OWL 本体（.ttl） |
| ③ 查询引擎 | 本体推理 + 受约束 SQL 生成 + 口径校验 | 查询服务 |
| ④ AI 集成 | LLM 槽位提取 + 流程编排 + 归因分析 | 完整查询链路 |
输入：1 张账单表 + 2 张维度表（地区、日期） 建：3 个指标（成交额/订单数/客单价）+ 1 个维度层级（地区）+ 2 个等价关系 验证：「成交额和 GMV 是一回事吗？」「华东区包含哪些省？」「上个月成交额环比？」
| 层 | 技术 |
|---|---|
| 本体建模 | Protégé（OWL 2，Turtle 序列化） |
| 本体推理 | Apache Jena（等价/层级/推导 + SPARQL） |
| 数据 | 现有 ADB（AnalyticDB）账单表 + 维度表 |
| 查询执行 | ADB JDBC（MySQL 协议） |
| AI | LLM（仅槽位提取 + 归因分析） |
| 后端 | Java 11 + Spring Boot |
| 能力 | 关系表 + LLM | 本体 + 推理机 |
|---|---|---|
| 概念同义对齐 | LLM 猜（会错） | 逻辑等价推理（确定） |
| 维度层级展开 | 维表硬编码 | 公理推理（加公理即生效） |
| 口径一致性 | 靠文档 | 公理校验（机器强制） |
| 指标推导 | 硬编码 | 公理推导（自动） |
| 可解释性 | 黑盒 | 推理路径可回溯 |