AI 问数中的字段语义检索是什么？

企业数据库里常常有几百张表、几千个字段。用户一句“本月各区域销售额怎么样”，AI 必须先判断该用哪些表和字段。

字段语义检索，就是帮助 AI 在大量字段中找到业务含义最匹配的数据。

为什么不能只看字段名

字段名经常很短，也很技术化。例如 amt、pay_amt、real_amount、net_sales 都可能和销售额有关，但业务含义不同。

有些字段名甚至完全看不出业务含义，例如 type、status、source、flag。没有备注和语义信息，AI 只能猜。

字段语义包括哪些信息

字段语义不只是字段中文名。它通常包括字段业务含义、字段单位和数据类型、字段是否可用于分析、字段所属业务过程、和其他字段或指标的关系、常见同义词和业务叫法。

这些信息越完整，AI 找字段越稳定。

表语义同样重要

AI 不只要找字段，还要知道表记录什么。

一张订单表记录的是下单、支付、退款还是履约？一张库存表是实时库存、日末库存还是月末快照？一张会员表是注册会员、购买会员还是活跃会员？

表语义不清楚，字段再清楚也容易用错。

字段语义检索如何提升准确率

当用户问“复购客户占比”，AI 可以通过语义检索找到会员购买记录、客户 ID、购买时间、复购定义相关字段，而不是只匹配字段名。

AskTable 如何承接

AskTable 的表备注、字段备注和语义配置，让 AI 在生成查询前先理解数据含义。DigTable 提供更稳定的数据模型，AskTable 再基于这些语义完成权限内问数。

字段语义检索解决的不是“AI 会不会写 SQL”，而是“AI 能不能先找对数据”。