🔍 维度成员检索
在 XpertAI 平台中，维度成员检索 是 ChatBI 智能体编排体系中的一个关键能力模块。 它通过对语义模型中的维度成员信息进行动态同步和向量化处理，为智能体提供更加精确的上下文感知和意图识别支持，极大提升了对话式数据分析的准确性和用户体验。
简而言之，维度成员检索能让智能体“知道有哪些可能的维度取值”，并“理解这些维度成员在不同业务语境下的语义含义”。
一、维度成员信息的同步与向量化
要启用维度成员检索功能，需要先完成语义模型中维度数据的同步与向量化。整个流程如下：
1. 维度成员同步（Sync）
在语义模型创建或更新后，手动触发维度成员的同步任务，流程包括：
- 刷新维度的成员清单。
- 上传并嵌入维度成员便于后续处理和检索。
2. 向量化处理（Embedding）
同步完成后，平台会对维度成员进行语义向量化处理，步骤包括：
- 利用内置或用户自定义的向量模型（如 OpenAI Embedding、通义 embedding 等）
- 将每个维度成员（及其别名、业务标签）转化为语义向量
- 将向量化结果存入平台内嵌的向量数据库（支持（开发中） FAISS / Qdrant / Milvus 等）
二、在 ChatBI 工具集中如何使用
完成向量化后，这些维度成员信息将通过 Dimension Member Retriever 工具 接入 ChatBI 智能体的工具链中，具体作用如下：
智能体调用流程：
- 意图识别阶段：智能体判断用户的查询是否包含模糊维度描述（如“华东”、“xx 客户”、“节假日”）
- 检索调用阶段：通过 Dimension Member Retriever 进行语义向量比对，从维度成员库中找出最接近的匹配项
- 结果反查阶段：将匹配到的维度值作为过滤条件，参与查询构造和图表生成
应用示例：
用户问：“本月华东地区销售额如何？”
- 智能体通过 Retriever 匹配“华东” →
region = '华东'
- 智能体通过 Retriever 匹配“华东” →
用户问：“节假日期间哪类产品卖得好？”
- 匹配“节假日”维度成员 → 自动带入节假日对应时间段进行分析
🧠 ChatBI 会根据维度的业务标签、拼音、英文别名等进行模糊识别和上下文推理。
三、业务价值与优势
| 功能 | 业务优势 |
|---|---|
| 动态同步维度成员 | 保证维度成员信息实时更新，减少漏查 |
| 向量化识别 | 提升自然语言识别精度，支持模糊匹配 |
| 多语言理解 | 覆盖国际化场景，多语种维度名均可识别 |
| 业务语义感知 | 智能理解业务别名、缩写与分类标签 |
| 无需规则维护 | 相比传统关键词匹配方案，无需手动维护映射表 |
四、使用注意事项
- 数据源访问权限：确保维度成员来源的数据表具备完整读取权限；
- 数据量与性能：对于百万级维度成员数据，建议按需配置向量抽取频率与索引分区；
- 语言一致性：如存在中英文混用场景，请在语义模型中设置成员多语言标签或别名字段；
- 定期更新机制：业务维度（如客户、产品）建议设定定期同步计划（如每日或每小时）；
- 隐私合规：如维度中包含客户、用户等敏感信息，需做好脱敏与权限隔离控制；
五、后续计划
我们计划在未来版本中：
- 支持用户自定义维度成员语义标签
- 引入维度成员权重与热度指标，用于增强匹配精度
- 提供维度成员管理后台，支持手动编辑与审阅