字段值索引：让 AI 认得门店、商品、渠道和状态

很多 AI 问数错误，不是找错字段，而是找不到字段里的值。

用户问“华南大区库存风险如何”，数据库里可能存的是区域编码。用户问“抖音渠道 ROI”，字段值可能叫 Douyin、巨量引擎、直播渠道或某个内部渠道 ID。

字段值索引要解决的，就是 AI 对具体业务值的理解问题。

字段值比字段名更贴近业务

企业日常提问里，大量关键词其实是字段值：门店名、商品名、渠道名、区域名、状态名、活动名、会员标签。

这些值经常有别名、简称和历史叫法。业务人员不会记数据库标准编码，但会用自己熟悉的叫法提问。

什么场景需要字段值索引

门店、商品、渠道、状态、组织、会员标签都适合做字段值索引。

这些值如果不能被 AI 检索，用户越用业务语言提问，答案越容易偏。

字段值索引不是简单枚举表

字段值索引不只是把所有值列出来。更重要的是让 AI 能通过自然语言找到相近含义。

例如“华南”可能对应多个省份或区域编码；“沉睡会员”可能对应一个规则或标签；“重点门店”可能来自运营维护的名单。

AI 需要能根据用户表达，找到字段值、别名、映射关系和业务文档。

AskTable 如何承接

AskTable 的字段值索引和语义检索，可以把重要文本字段中的业务值建立可检索上下文。用户不需要记标准字段值，也能用日常业务语言提问。

这对门店、商品、渠道、状态、会员标签这类高频分析维度尤其重要。