1. 概述

背景：在企业数据治理和指标平台建设过程中，数据模型的语义完整性直接影响数据分析的准确性和用户体验。当前存在以下痛点：

• 数据模型描述和字段命名不规范，缺乏统一的语义描述；字段说明信息不完整，缺少业务含义、计算口径等关键信息
• 人工补全元数据成本高、效率低，且质量难以保证
• 用户不知道数据模型的哪些元信息会影响AI的问答效果
• 缺乏系统化的语义完整度评估机制，无法量化数据AI-ready的质量

价值：通过智能打分（工程化60%+大模型40%）和AI辅助补齐，完成智能打分——智能补齐的完整链路闭环，帮助AI更好使用数据，帮助用户更好建设数据质量。

边界：必须配置了大模型、购买了知数且数据模型开启了知数才可使用。

2.操作步骤

• 当购买了知数且开启知数且配置了大模型时，系统会对数据模型的语义完整度做校验。点击进入数据模型列表，可以看到打分结果。点击后右侧可查看各项校验结果和AI评估建议。
• 列表中的AI评分，会展示出优、良、中、差、评估中、打分失败、-（指未打分）
• AI语义完整度总分=工程化打分×60% + 大模型打分×40%；完整度等级：优（≥90）/ 良（70-89）/ 中（50-69）/ 差（<50）。完整度越高，AI数据分析的匹配准确率和回答质量越好。综合评估建议中展示的是AI基于工程化打分和AI打分最终输出的优化建议。
• 分数更新的触发方式：
  • 【未开启发布域开关】时，点击数据模型的【保存】按钮或【知数设置】中的语料加载完成后，重新校验并计算分数
  • 【已开启发布域开关】时，点击【发布并上线】按钮或【知数设置】中的语料加载完成后，重新校验并计算分数
  • 历史的开启知数的数据模型在列表状态下，显示为-，进入数据模型预览页面（草稿态或线上态）后自动触发打分。

• 点击进入数据模型预览页面，知数开关旁显示AI语义完整度等级（优/良/中/差）。若开启了发布态开关后，则只有线上预览页面支持展示AI评估结果，点击后展示的是线上态的异常校验结果，点击AI辅助补齐按钮后，系统校验草稿态版本和线上态版本是否一致。若一致则正常显示。若不一致则显示草稿态的异常信息，上方提示：线上态异常29项，由于线上版本与草稿版本不一致下方显示的是基于草稿态异常项优化后的20项内容。

• 在抽屉中点击【智能优化】后，页面会调整到数据模型编辑页面中，弹出弹框显示模型名称、模型描述、字段别名、字段说明、异常原因。

• 点击【AI辅助优化异常】后，仅对异常项做AI优化补齐，优化后的结果支持手动修改。修改后支持手动一键检测所有内容。点击应用已选优化项后，会将优化后的内容填充到数据模型编辑内容中。数据模型保存发布后，可以上线应用。

• 点击知数设置按钮后，可以看到当前已发布上线的模型信息、字段信息、训练语料是否存在语义配置的异常。

• 点击【前往优化】后弹出弹框可批量补齐模型描述、字段说明、字段别名等信息，具体使用流程同上。训练语料若存在异常，说明存在字段的值未加载的情况，支持手动点击【更新】按钮，进行字段值的加载。
• 在知数问答页面中，语料指标详情页面中，支持显示数据模型的评分结果，无结果则不展示。

• 在知数的关联资源页面中，支持显示数据集的评分结果。

• 在报告中，支持展示数据模型的打分结果，无结果则不展示。