DataFocus
简体中文
← 返回博客

DataFocus · 博客

用“我的知识库”教会 FocusGPT 你的业务术语

介绍如何在 DataFocus OT Flash 中通过“我的知识库”为 FocusGPT 添加公司术语和缩写,如何经由“系统管理 > 知识”在全系统共享,以及如何检查问题被解析成了什么。

要让 FocusGPT 理解公司的术语,做法是在“我的知识库”中添加条目。“我的知识库”位于 DataFocus OT Flash 的 FocusGPT(智能问数)页面左下角。每个条目包含定义(内容)、触发它的关键词、类型、分类和一个启用开关。条目可以逐条添加,也可以批量导入;需要全员统一理解的条目,请管理员在“系统管理 > 知识”中发布为共享知识。之后,你查看 FocusGPT 给出的解析说明,如果仍然不对,就再修正。

本文以一位分析师为例走一遍这个流程:他得到的答案总是“差不多对”,但某个词用错了含义。

为什么智能问数会读错公司黑话?

FocusGPT 是 OT Flash 的智能问答功能:它接收自然语言问题,选择数据表,把问题解析成一次搜索,再返回结果。手册提到,当它无法判断该用哪张表时,会让你自己选择;它的回复里还有一行说明,描述它如何解析你的输入,方便你判断它是否理解正确。

公司内部词汇是解析最缺依据的地方。假设有一家中等规模的分销商(仅为示意,并非真实客户):销售团队说“GM”指毛利率,财务说“净销售额”指扣除退货后的收入,运营说“活跃客户”指最近 90 天内有订单的客户。数据表里的列名可能是 gm_pct、rev_net 和 last_order_date。从列名上看不出“活跃”是指 90 天,也看不出“GM”并不是一个职位。模型读到问题时只能猜,两位分析师在不同的日子问同一个问题,得到的猜测可能不一样。

手册里的提示方向也一致:在问题中写明具体的指标、维度和时间范围,答案会更准确。知识条目的作用,是把这种精确性从每一次提问中挪出来,放到 FocusGPT 每次都会查阅的地方。

一个知识条目里有什么?

按手册对“我的知识库”的描述,每个条目包含四项内容和一个开关:

字段 填什么 示例(假设场景)
内容 用平实的话写出定义 “活跃客户:最近 90 天内至少有一笔订单的客户。”
关键词 应当调出该条目的词或缩写 “活跃客户”“活跃账户”
类型 条目属于哪类知识 从窗口中提供的类型里选择
分类(界面显示为 Stickers) 用于分组和查找条目的标签 “销售口径”
启用 FocusGPT 是否使用该条目 开

有三个习惯可以让条目更好用。

  1. 一个术语,一个条目。 把“GM”和它的定义单独写成一条,不要在一段话里塞十个缩写。条目短,更容易查找、关闭和修正。
  2. 像向新同事解释那样写定义。 说明指标、相关的表或列,以及阈值,比如上面的 90 天。
  3. 列出大家实际用的写法。 销售写“GM”,财务写“毛利率”,就把两种都放进关键词。同义词也是同样的思路:关键词字段就是记录同一个概念的不同叫法的地方。

“启用”开关比看上去更重要。某个定义正在评审,或者某条季末规则不再适用时,你可以把条目关掉,而不会丢失文字。

之后要查找条目,可以使用窗口右上角的关键词框或知识分类框。当条目多到几十条时,统一的分类方式(按部门,或按销售、财务、库存等主题域)才能让搜索真正有用。

逐条添加还是批量导入?

窗口里两种方式都有。“新建知识”一次添加一条,适合你还在摸索各字段如何起作用的阶段:写一条,问一个应该用到它的问题,看看有什么变化。

“批量导入”适用于你手头已经有一份词汇表的时候,比如财务维护的电子表格,或从其他工具导出的数据字典。“批量导入”可以一次导入很多术语;手册没有描述导入文件的格式,所以准备电子表格之前,请先查看导入窗口。一个可行的经验法则:

  • 不到几条术语,或者还在争论的术语:逐条添加。
  • 已有并且已经达成一致的词汇表:批量导入,然后检查结果,把暂时不想让 FocusGPT 使用的条目关掉。

管理员也有批量选项。在“系统管理 > 知识”下,“批量导入知识”标签页用于批量导入知识,“全部批量导入”则用于查看导入任务。

管理员如何把知识共享给所有人?

“我的知识库”是个人的。你在这里添加的定义只属于你自己,适合做实验,也适合只有你们团队使用的术语。需要全公司理解一致的术语,应当放进全系统共享的知识。

手册说明,系统管理员在“系统管理 > 知识”下管理整个系统共享的知识。该页面有几个标签页:

  • 个人知识和系统知识库:用于管理个人知识以及全系统共享的知识。
  • FocusGPT 的标注:列出用户在搜索时修正或确认过的“自然语言问题与关键词语句”之间的映射。管理员可以按知识分类查看和维护。在英文界面中,这个标签名里没有助手的名字。
  • 批量导入知识和全部批量导入:见上文。
  • 知识分类:维护分类列表的地方。

“标注”标签页值得定期看一看。每当有人修正一次解析并确认,这个“问题到关键词”的映射就会被记录下来。管理员按分类查看这些映射,就能知道组织里哪些说法总是需要被修正,再把反复出现的那些整理成正式条目。

一种通常行之有效的分工:分析师在自己的知识库里起草条目,由一位指定的人(该主题域的数据负责人)把达成一致的条目提升到系统级,并保持分类列表整洁。手册描述了这些位置和角色;谁来批准什么,由你们团队自己决定。

怎样检查 FocusGPT 理解了什么?

提问之后,先看解析说明,再看图表。手册把它描述为回复中的一行,告诉你 FocusGPT 是如何解析你的输入的。如果你教过的术语出现在解读里,说明条目被找到了。如果 FocusGPT 仍按老办法理解这个词,可以按下面的清单排查:

  1. 条目是否已启用?
  2. 关键词字段里是否包含你输入的原样写法?
  3. 条目是否放在了个人知识里,而你本以为它在系统级知识里(或者相反)?
  4. 内容是否用一句可以独立成立的话说清了你的意思?
  5. 你问的是不是正确的表?FocusGPT 会选择一张表,拿不准时会询问你;如果问题落在一张没有相关列的表上,再完美的定义也帮不上忙。

回复通常需要一两分钟,你可以在同一个对话里继续追问,逐步缩小范围。答案下方的点赞和点踩图标,会告诉 FocusGPT 这个答案有没有帮助。

手册里还有一条适用于产品中所有 AI 答案的提醒:页面上写明内容由 AI 生成,需要仔细核对,并建议在数据搜索中核对重要结论。数据搜索在右侧显示 SQL 和分析摘要;如果你在那里输入的是完整的句子而不是关键词,它会请 FocusGPT 解析,显示解析后的语句,并提供“撤销”选项。要放进董事会材料的数字,也请在数据搜索里再核对一遍。

关键词式搜索有它自己的调优方式,与知识库无关。“系统管理”下的“搜索”标签页列出了自定义地点、自定义日期(比如财年)、同义词和自定义关键词。如果你的问题出在关键词搜索里的“FY”或某个地区的简称上,而不是向 FocusGPT 提的完整问题,请先看这里。

用知识库还是用本体文档?

OT Flash 里有两个存放业务文本的地方,作用不同。

  • 我的知识库:用来告诉 FocusGPT 定义和术语。编辑快,按关键词、类型和分类组织,管理员可以把它共享到全系统。
  • 本体中的文档中心:管理绑定到该本体的业务文档,例如指标口径、业务规则和操作流程。每个文档有文件名、类型、大小、关联表、更新时间和状态。状态变为“已完成”后,本体 Agent 就可以检索并引用其内容。

一个实用的选择方法:如果你想要一条简短的规则,影响 FocusGPT 如何解读问题,就写一个知识条目。如果你有一整套流程、制度或指标手册,希望人和本体 Agent 都能从中引用,就把它上传到相关本体的文档中心,并关联到它所约束的表。两者并不互斥。一个指标可以在 FocusGPT 里有一条一句话的知识条目,同时在本体里有一份完整的口径文档。

这样做还不够的时候

知识条目引导的是解读,它不会改变数据。如果“活跃客户”需要一种在任何表或公式里都不存在的计算,条目可以描述它,但无法生成它。这时应当先创建列或公式,再写指向它的条目。

条目也需要负责人。没有人维护的词汇表会逐渐偏离业务的实际含义,而 FocusGPT 会忠实地重复旧定义。请把复核日期放进团队日历,而不只是写在条目里。

下一步

OT Flash 可在版本页面免费下载,安装包和发行说明发布在 GitHub。r57 版用户手册(英文)的第 3 章介绍 FocusGPT,第 13 章介绍“系统管理 > 知识”的各个标签页。先从十个术语开始,逐个对照解析说明检查,再逐步扩展。