Lynxari · 数据连接器
把企业指标口径，装进每一个 AI 办公入口
统一定义业务实体、关系与动作，沉淀唯一指标口径，通过 MCP 连接器向千问办公、WorkBuddy、Coze 等第三方办公 AI 平台开放指标查询与数据能力。 前台交互交由平台方，数据侧口径一致、来源可查、动作可回滚。
12
接入数据源（ERP / MES / WMS / QMS 等）
5
本体实体（覆盖生产域与供应链域）
20
预置指标（口径统一，全站唯一来源）
12
MCP 工具（4 个 Server 在线服务）
96.4%
连接器调用成功率（第三方平台调用成功占比（近 7 日））
数据分层与流向
数据底座分层一览：原始数据自下而上逐层加工，未分层表待治理回收。
贴源层ODS
86
原始业务数据接入，保持源系统结构
明细层DWD
42
清洗后的明细数据，完成维度退化
维度层DIM
18
一致性维度，统一口径与编码
汇总层DWS
25
面向主题域的轻度汇总
应用层ADS
16
面向应用与指标的数据集市
未分层未分层
9
未纳入分层管理的表，待治理
未分层表建议通过本体建模完成语义挂载后回收治理。
能力架构
自下而上六层：AI 能力经 MCP 网关统一接入平台既有能力，不重建、只做语义接入。
MCP 连接器开放 API第三方 AI 平台（千问办公 / WorkBuddy / Coze）
意图识别Text2SQL答案生成Badcase 回流
实体建模指标口径库关系血缘语义标签
Server 注册工具鉴权调用审计灰度发布
ETL 调度质量规则元数据管理权限中心
DWD 明细层DWS 汇总层ADS 应用层维度库
功能入口
AI 知识库→
沉淀业务术语、口径说明与分析材料，作为 AI 平台理解数据的参考知识。
6 篇文档已切分向量化
本体建模→
统一定义业务实体、关系与动作，让 AI 和数据开发用同一套业务语言。
5 实体 · 4 关系已建模
本体画布→
以图谱方式浏览实体关系与血缘，点击节点直达实体详情。
关系基数清晰可见
MCP 服务→
统一注册、鉴权与审计所有数据工具，AI 平台访问数据的唯一通道。
调用成功率 99.2%
Action 动作→
从“看数据”到“办事情”：触发 ETL、发起审批、订阅告警，全程可审计可回滚。
高危动作 100% 人工确认
场景配置→
按业务场景圈定第三方 AI 平台可调用的本体范围、MCP 工具集与动作白名单。
4 个预置业务场景
一次调用，数据如何返回
从第三方平台发起到结构化结果返回共 8 个节点，每一步都可观测、可回放。
1
平台发起工具调用
第三方 AI 平台按场景唤起 MCP 工具
→
2
MCP 网关鉴权
校验调用方身份、令牌与工具权限点
→
3
场景策略匹配
按场景配置圈定可用本体与工具范围
→
4
指标口径检索
从指标口径库取唯一口径，禁止临时拼接
→
5
指标引擎生成查询
由统一语义生成可解释的执行计划
→
6
引擎执行
在数据底座执行查询，全程可观测
→
7
结果校验
行数 / 空值 / 量纲校验，异常即降级
→
8
结构化结果返回
返回带口径说明与血缘的结构化结果
1AI 不直连库表
所有数据访问必须经过 MCP 网关，网关统一做鉴权、限流与审计，AI 侧无任何数据库连接串。
2口径只从指标库取
指标口径以指标口径库为唯一来源，禁止模型根据字段名临时推断口径，消灭“同名不同义”。
3回答必须带来源
每次回答标注引用的实体、指标 ID 与物理表，支持一键回看口径链路，答不出就明确说不知道。