tencent cloud

大数据智能体工作台 DataBuddy

文档大数据智能体工作台 DataBuddy数据治理语义模型概述定义指标与维度

定义指标与维度

下载
聚焦模式
字号
最后更新时间： 2026-10-09 16:27:37

概述

本文介绍如何在已发布的语义模型上定义指标（Metric）与维度（Dimension）。指标承载业务可消费的「数字口径」（如 GMV、客单价、DAU），维度承载分析切片视角（如地域、品类、日期）。指标与维度是后续 Buddy 取数、报表展示对外暴露的最小单元。
完成创建后请参阅 语义模型应用 完成授权与消费。

前提条件

在开始本操作前，请确保满足以下条件：
拥有「语义建模 → 指标管理」的 Read Write 或 Read Write & Delete 功能权限。
拥有目标模型的 Manage 或 CreateMetric 权限（Owner 自动包含），否则无法在该模型上创建指标。
目标模型已处于已发布 状态。
如需创建新维度，还需拥有「语义建模 → 维度管理」的 Read Write 功能权限。

使用限制

限制项
说明
创建权限
指标创建需要模型的 CreateMetric 或 Manage 权限；指标创建不需要底层表 Select 权限
编辑形态
指标与维度均通过 YAML 编辑器编辑
维度 ACL
维度本期暂不支持精细化 ACL 权限，所有有「语义建模 → 维度管理」的 Read Write 或 Read Write & Delete 功能权限的用户均可编辑、删除

指标的两种类型

指标是业务上可被消费的「数字口径」，在模型之上定义。指标分为原子指标 与衍生指标 两大类：
原子指标（SIMPLE） ：指标体系的最小统计单元，对单一字段做聚合计算，如 SUM(OrderAmount) 表示「交易总金额」。原子指标不涉及衍生逻辑。
衍生指标 ：在原子指标基础上按业务规则加工得到的指标，又细分为 5 种：
筛选型 ：在原子指标基础上按特定维度（如时间、地域、用户属性）筛选后得到，例如「线上渠道交易总金额」= SUM(OrderAmount) 限定 渠道 = 线上。
累积计算型 ：对原子、筛选型指标按时间窗口累加、汇总得到，例如「近 30 天线上渠道交易总金额」。
同环比计算型 ：以累积计算型指标为基础，与历史同期（同比）或上一周期（环比）数据对比的相对指标，例如「近 30 天线上渠道交易总金额环比增长率」。
混合计算型 ：结合两个及以上指标通过衍生计算规则（如加减乘除等）得到的复合指标，例如「平均交易流水金额」= 交易总金额 / 交易数量。
转化计算型 ：基于不同环节的原子、筛选型指标，计算流程中「从 A 到 B」的转化效率，例如「注册-下单转化率」= 下单量 / 注册量。
指标支持的聚合方式包括 SUM、COUNT、COUNT(DISTINCT)、MAX、MIN、AVG，以及自定义表达式。

操作步骤

步骤 1：进入指标管理

进入工作空间，选择左侧菜单中的本体建模菜单->指标管理子菜单，该页面以列表形式展示当前空间内您可见的所有指标，列表字段包括：指标名称、指标别名、指标状态、指标类型、衍生类型、口径、关联模型、来源表、负责人、最近修订时间。

步骤 2：发起新建指标

单击右上角 + 新建指标（YAML） ，从右侧弹出 YAML 编辑面板。面板顶部会先要求选择「数据开源」
提示
推荐用 Hi Buddy 协助生成指标 YAML：在左侧菜单选择 Hi Buddy 入口，用自然语言描述指标口径（例如「基于 catalogname.olist_sales_database 数据库内的表，构建销售分析相关语义模型，比如：GMV、近30天退货订单数、客单价等。」），AI 会自动分析制定范围的数仓元数据，并生成符合规范的 语义模型（含指标、维度、关系模型）YAML 文件。

步骤 3：编写指标 YAML

提示
派生指标 YAML 中 formula 字段引用的指标必须是同一模型下已发布或同 YAML 中同时定义的指标，否则发布时校验失败。

3.1 完整 YAML 示例（模型 + 6 类指标 + 3 类维度）

下面给出一份端到端完整示例 ，一次性声明模型（DEF）、所有 6 类指标（SIMPLE / FILTER / DERIVED / RATIO / CUMULATIVE / CONVERSION）以及 3 类维度（TIME / CATEGORICAL / DICT）。可作为编写实际 YAML 时的参考模板。
# ============================================================
# WeData 语义模型 YAML 配置完整示例
# 版本：1.0
# 说明：通过此 YAML 可一次性创建语义模型、指标、维度
# ============================================================

# 【必填】配置文件版本号，固定为 1.0
version: 1.0

# ============================================================
# 语义模型定义（可选）
# type: DEF - 新建模型（需提供完整定义）
#       REF - 引用已有模型（只需 name + type）
# ============================================================
model:
  # 【必填】模型英文名，1-50字符，支持字母、数字、下划线、括号
  name: ecommerce_order_model

  # 【可选】模型别名列表，支持多个，不允许含逗号
  # 为空时默认使用 name；存入数据库时以逗号分隔存储
  label:
    - 电商订单模型
    - order_model_alias

  # 【可选】模型描述
  description: "电商业务订单主模型，关联用户表和商品表"

  # 【必填】模型类型：DEF(定义新模型) | REF(引用已有模型)
  type: DEF

  # 【DEF必填】主表数据源路径，格式：catalogName.databaseName.tableName
  source: default_catalog.ecommerce_db.orders

  # 【可选】关联表配置，支持嵌套 JOIN
  joins:
    - name: user_table                                    # 关联表别名（必填）
      source: default_catalog.ecommerce_db.users          # 关联表路径（必填）
      on:                                                 # 关联条件（必填，至少一个）
        - source.user_id = user_table.id
      # 嵌套关联（可选）
      joins:
        - name: user_address
          source: default_catalog.ecommerce_db.addresses
          on:
            - user_table.id = user_address.user_id
    - name: product_table
      source: default_catalog.ecommerce_db.products
      on:
        - source.product_id = product_table.id

# ============================================================
# 指标定义列表（可选）
# 支持类型：SIMPLE | FILTER | DERIVED | RATIO | CUMULATIVE | CONVERSION
# ============================================================
metrics:
  # ----------------------------------------------------------
  # 1. 原子指标（SIMPLE）- 基础聚合指标
  # ----------------------------------------------------------
  - name: total_order_amount
    # 【可选】指标别名列表，支持中英文、数字、下划线、括号，不允许含逗号
    label:
      - 订单总金额
      - GMV
    description: "统计所有有效订单的总金额"
    # 【必填】指标类型
    type: SIMPLE
    # 【必填】类型参数
    type_params:
      # 【可选】关联模型引用，填写 model 的 name
      # 不填时默认使用当前 YAML 中定义的 model
      model_ref: ecommerce_order_model
      # 【必填】源表路径，格式：catalogName.databaseName.tableName
      source_table: default_catalog.ecommerce_db.orders
      # 【必填】聚合表达式
      expr: "SUM(order_amount)"
      # 【必填】时间维度名称（需在 dimensions 中定义对应的 TIME 类型维度）
      time_dimension: order_date
      # 【可选】非可加维度配置（用于半累加指标，如库存快照）
      # non_additive_dimension:
      #   dimension: snapshot_date       # 维度名称（必填）
      #   window_choice: MAX             # 窗口取值：MIN | MAX（必填）
      #   window_groupings:              # 窗口分组（可选）
      #     - warehouse_id

  # ----------------------------------------------------------
  # 2. 筛选型指标（FILTER）- 在原子指标基础上加过滤条件
  # ----------------------------------------------------------
  - name: paid_order_amount
    label:
      - 已支付订单金额
    description: "仅统计已支付状态的订单总金额"
    type: FILTER
    type_params:
      # 【必填】筛选条件表达式
      filter: "status = 'PAID'"
      # 【必填】依赖的基础指标列表（至少一个）
      metrics:
        - name: total_order_amount

  # ----------------------------------------------------------
  # 3. 混合计算型指标（DERIVED）- 多指标表达式运算
  # ----------------------------------------------------------
  - name: avg_order_amount
    label:
      - 平均客单价
    description: "订单总金额 / 订单总数"
    type: DERIVED
    type_params:
      # 【必填】计算表达式，使用指标名称作为变量
      expr: "total_order_amount / order_count"
      # 【必填】参与计算的基础指标列表（至少一个）
      metrics:
        - name: total_order_amount
        - name: order_count

  # ----------------------------------------------------------
  # 4. 同环比指标（RATIO）- 时间周期对比
  # ----------------------------------------------------------
  - name: order_amount_yoy
    label:
      - 订单金额同比
    description: "订单总金额的同比增长率"
    type: RATIO
    type_params:
      # 【必填】计算类型：YEAR_ON_YEAR(同比) | RELATIVE_RATIO(环比)
      derived_type: YEAR_ON_YEAR
      # 【必填】基础指标列表（至少一个）
      metrics:
        - name: total_order_amount

  # ----------------------------------------------------------
  # 5. 累积计算型指标（CUMULATIVE）- 时间窗口累积
  # ----------------------------------------------------------
  - name: weekly_order_amount
    label:
      - 近7日订单金额
    description: "最近7天的订单金额累积值"
    type: CUMULATIVE
    type_params:
      # 【必填】时间窗口，可选值：
      # MINUTE_5 | MINUTE_30 | HOUR_1 | DAY_1 | DAY_7 | DAY_30 | DAY_90 | DAY_180
      # WTD(本周至今) | MTD(本月至今) | QTD(本季度至今) | YTD(本年至今) | HTD(历史至今)
      window: DAY_7
      # 【可选】额外筛选条件
      filter: "status IN ('PAID', 'SHIPPED')"
      # 【必填】基础指标列表（至少一个）
      metrics:
        - name: total_order_amount

  # ----------------------------------------------------------
  # 6. 转化类指标（CONVERSION）- 漏斗转化分析
  # ----------------------------------------------------------
  - name: view_to_purchase_rate
    label:
      - 浏览到购买转化率
    description: "用户从浏览商品到下单购买的转化率"
    type: CONVERSION
    type_params:
      # 【必填】基准指标（漏斗起点）
      base_metric:
        name: page_view_count
      # 【必填】转化指标（漏斗终点）
      conversion_metric:
        name: purchase_count
      # 【必填】转化实体类型：FROM_ENTITY | FROM_DIMENSION
      conversion_entity_type: FROM_DIMENSION
      # 【可选】转化维度（conversion_entity_type 为 FROM_DIMENSION 时使用）
      conversion_dimension: user_id
      # 【必填】计算方式：CONVERSIONS(转化值) | CONVERSIONRATE(转化率)
      calculation: CONVERSIONRATE
      # 【可选】窗口类型：WINDOW(N时间内转化) | OFFSET(第N时间转化)
      window_type: WINDOW
      # 【可选】时间窗口，格式：{数字} {hour|day|week|month}
      window: "7 day"

  # ----------------------------------------------------------
  # 7. 转化类指标（CONVERSION）- FROM_ENTITY 示例
  # 通过实体（主键/关联键）关联基准指标和转化指标
  # ----------------------------------------------------------
  - name: register_to_order_conversions
    label:
      - 注册到下单转化数
    description: "用户从注册到首次下单的转化数量，通过用户实体关联"
    type: CONVERSION
    type_params:
      # 【必填】基准指标（漏斗起点）
      base_metric:
        name: user_register_count
      # 【必填】转化指标（漏斗终点）
      conversion_metric:
        name: total_order_amount
      # 【必填】转化实体类型：FROM_ENTITY 表示通过实体（主键）关联两个指标
      # FROM_ENTITY: 两个指标通过同一实体（如用户ID）自动关联，无需指定 conversion_dimension
      # FROM_DIMENSION: 需要手动指定 conversion_dimension 字段来关联
      conversion_entity_type: FROM_ENTITY
      # 【必填】计算方式：CONVERSIONS(转化数) | CONVERSIONRATE(转化率)
      calculation: CONVERSIONS
      # 【可选】窗口类型：WINDOW(N时间内转化) | OFFSET(第N时间转化)
      window_type: OFFSET
      # 【可选】时间窗口，格式：{数字} {hour|day|week|month}
      window: "30 day"

# ============================================================
# 维度定义列表（可选）
# 支持类型：TIME | CATEGORICAL | DICT
# ============================================================
dimensions:
  # ----------------------------------------------------------
  # 1. 时间维度（TIME）- 必须指定时间精度
  # ----------------------------------------------------------
  - name: order_date
    # 【可选】维度别名列表，支持多个，不允许含逗号
    label:
      - 下单日期
      - 订单时间
    description: "订单创建时间，精确到天"
    # 【必填】数据源路径，格式：catalogName.databaseName.tableName
    source: default_catalog.ecommerce_db.orders
    # 【必填】对应的数据库列名
    col_name: created_time
    # 【必填】维度类型
    type: TIME
    # 【TIME类型必填】类型参数
    type_param:
      # 时间精度，可选值：YEAR | MONTH | DAY | HOUR | MINUTE | SECOND | MILLISECOND
      time_precision: DAY

  # ----------------------------------------------------------
  # 2. 普通维度（CATEGORICAL）
  # ----------------------------------------------------------
  - name: order_channel
    label:
      - 订单渠道
    description: "订单来源渠道：APP/PC/H5"
    source: default_catalog.ecommerce_db.orders
    col_name: channel
    type: CATEGORICAL
    # CATEGORICAL 类型不需要 type_param，不填

  # ----------------------------------------------------------
  # 3. 字典维度（DICT）- 关联字典表
  # ----------------------------------------------------------
  - name: order_status
    label:
      - 订单状态
    description: "订单状态码，关联字典表"
    source: default_catalog.ecommerce_db.orders
    col_name: status_code
    type: DICT
    # 【DICT类型必填】类型参数
    type_param:
      dict_items:
      - key: Shipped
        value: 已发货
      - key: Completed
        value: 已完成
      - key: Canceled
        value: 已取消
示例说明 ：
version: 1.0 是配置文件版本号，固定为 1.0。
model.type = DEF 时需要提供完整模型定义（source + joins）；改为 REF 时仅需 name + type，表示引用已有模型。
6 类指标的 type_params 形态各不相同：
SIMPLE 通过 expr（聚合表达式）+ time_dimension 定义；
FILTER 在 metrics 引用的原子指标上叠加 filter 条件；
DERIVED 用 expr 引用其他指标名称做四则运算；
RATIO 用 derived_type（YEAR_ON_YEAR / RELATIVE_RATIO）声明同环比；
CUMULATIVE 用 window（如 DAY_7 / MTD）声明时间窗口累积；
CONVERSION 通过 base_metric / conversion_metric / conversion_entity_type / calculation / window 声明漏斗转化。
3 类维度的 type_param 形态：
TIME 必填 time_precision（如 DAY / HOUR / MONTH）；
CATEGORICAL 无 type_param；
DICT 通过 dict_items 声明 key-value 映射。

步骤 4：发布指标

单击编辑器右上角 发布 ：
1. 系统先做校验：YAML 语法、模型权限（CreateMetric / Manage）、表达式是否在底层引擎可执行、所依赖的指标是否存在等。
2. 校验通过后，指标状态变为「已发布」，在指标管理列表可立即被消费。
3. 已发布指标会出现在指标管理列表，可在模型详情页的「关联指标」Tab 看到，并允许其他用户根据 Query 权限消费。

步骤 5：定义全局维度（可选）

维度为工作空间级全局维度，不管是 YAML 创建还是在「维度管理」tab 中创建，均为全局维度。
1. 在语义建模顶部切换到 维度管理 Tab，单击 + 新建维度 。
2. 在 YAML 中声明维度的英文名、中文标签、字段类型、来源字段等。
3. 维度无须发布，保存即生效。
4. 在模型 YAML 中通过 name 引用全局维度，避免重复声明。

维度类型

维度用于定义分析视角。按字段的业务语义，常见维度可分为以下几类：
时间维度 ：用于按时间窗口对指标进行切片的日期、时间类字段，支持按天、周、月、季、年等不同粒度聚合，是趋势分析（如同环比、近 N 天）的核心切片依据。
示例：order_date（订单创建日期）、pay_time（支付完成时间），常按天、周、月切片。
字典维度 ：值域固定、可枚举的维度字段，对应业务上的「类目」「品牌」等分类体系。其取值通常来自字典表或预设枚举，字段值域有限且稳定，便于做归一化与标准化管理。
示例：category_name（商品类目）、brand（品牌）、gender（性别）。
普通维度 ：用于描述业务实体属性的通用维度字段，没有特殊的时间或字典语义，常见为用户姓名、年龄、用户 ID 等属性
示例：user_name（用户名）、age（年龄）、user_id（用户 ID）。

步骤 6：转交指标 负责人（可选）

每个指标只能有一个 负责人，默认为创建者。在指标详情页 → 口径名下→ 右侧的“业务信息”→ 负责人字段 hover 上去会出现修改的 ICON，点击后选择目标负责人提交即可。转交后原 负责人 失去指标管理权限。

指标详情页面

指标发布后，可在「指标管理」列表单击指标名称进入详情页，对指标进行查看、分析、血缘追溯与授权。详情页顶部展示指标基本信息与操作按钮，下方分为 4 个 Tab：口径明细 / 指标分析 / 血缘 / 权限 。
顶部公共区域 ：
左侧：返回箭头、指标名、状态徽标（已发布、已下线）
面包屑：语义建模、指标管理、指标名
收藏按钮：可加入收藏，便于快速回访
右上角操作按钮：
编辑 ：进入 YAML 编辑器，调整口径后重新发布
下线 ：将指标状态置为「已下线」，停止对外消费
授权 ：打开授权弹窗，授予其他用户 Manage / Query 权限（注意：需在指标详情页面->权限 Tab 中才展示该按钮。）

口径明细

口径明细 Tab 用于查看指标定义的全部信息，是「指标是什么」的解释页面。
口径描述 ：一段文字说明指标业务含义，例如「The average number of behaviors per session, calculated as total behavior count divided by total sessions.」
计算口径 ：
指标类型：原子、筛选、混合计算、累积、同环比、转化
模型：所属语义模型，可单击跳转至模型详情页面
依赖指标：派生型指标会以卡片形式展示，每个依赖指标一张卡片，含名称、状态（已发布、已下线）、英文名
计算逻辑：公式（如 A / B）或文字描述，每种指标类型会根据其类型展示不同的计算逻辑信息。
右上角「预览 SQL」：展示指标编译后的查询 SQL，便于排查
分析维度 ：列出该指标支持的分析维度，字段包括：维度名、维度别名、描述、维度精度（如最小颗粒度）、维度信息、负责人、关联字段、最近修订时间
业务信息 （右侧栏）：别名、负责人
技术信息 （右侧栏）：指标类型、指标状态、最近更新时间、最近更新人、创建时间、创建人

指标分析

指标分析 Tab 用于对当前指标做即时查询，校验口径与快速取数。顶部提供两种查询模式：
表单模式 （适合无 SQL 背景用户）：
时间区间：默认近 30 天，可自定义起止日期
时间粒度：日、周、月、季、年、时、分（和每个指标所支持的最小时间粒度有关系）
最大返回记录：可调，默认 30
维度：+ 添加维度和维度值，按所选维度分组，可多选
底部「查询、重置」按钮触发取数
SemQL 模式 （适合熟悉查询语法的用户）：
直接编写 SemQL 语句，例如：
select * from query(metric=[avg_session_behavior_count], limit=30)
同样支持底部「查询、重置」
两种模式均提供右上角「预览查询 SQL」入口，用于查看底层物理 SQL。

血缘

血缘 Tab 展示指标的上下游数据链路，是「指标从何而来、流向何处」的追溯页面。提供两种视图：
列表模式 （默认）：以列表形式罗列上游、下游节点
图模式 ：以图形化方式展示链路，节点之间用箭头表示数据流向。典型链路示意：
上游：表和视图（2）  语义模型（1）  上游：指标（2）         当前指标
┌──────────────┐  ┌──────────────┐  ┌──────────────┐  ┌──────────┐
│ 订单事实表    │─>│ Customer …   │─>│ metric.会话数 │─>│ avg_se… │
│ ODS 数据表    │  │ Behavior …   │  │ metric.行为数 │  │ count   │
└──────────────┘  └──────────────┘  └──────────────┘  └──────────┘
每个节点支持单击「详情」跳转到对应资源详情页
顶部操作：定位到具体节点、放大、缩小、1:1 适配、全屏
右侧图例：列出所有可识别的节点类型 —— 数据表、视图表、机器学习模型、指标、语义模型、数据库、NOTEBOOK、SQL、机器学习服务、工作流、离线集成、实时集成

权限

权限 Tab 用于管理指标的授权关系，对应模型层的指标级 ACL。
列表区 ：
右上角「授权」按钮：打开授权弹窗
搜索框：按用户筛选
权限类型筛选：全部权限 / Manage / Query
列表列：授权对象、类型（用户、所有者）、权限点（Manage / Query）、维度、维度值范围（行级权限）、授予人、授权时间、操作
「所有者」由创建者自动获得，且不可被撤销；列表中以「所有者」徽标标记
授权弹窗 ：
字段
是否必填
说明
授权主体
是
可选择用户、用户组、标签
授权对象
是
如果授权主体选用户：此处展示选用户面板，支持搜索用户；至少添加 1 个
如果授权主体选用户组：此处展示选用户组面板，支持搜索用户组；至少添加 1 个
如果授权主体选标签：无需选择授权对象，仅需选下面的授权点即可
授权点
是
至少勾选 1 项；未勾选时提交按钮置灰并提示「请选择权限点」。可支持设置授权对象可查询的指标行列权限。
授权原因
否
多行文本，用于审计与业务背景说明
权限点说明 ：
Manage 管理 ：可编辑、发布、下线 指标，以及授权他人。
Query 查询 ：可查询指标数据，可配置维度值范围。

通过 Buddy 创建指标和维度

Buddy 内置「自然语言创建指标和维度 Skill」，能识别常见聚合术语、字段类型并生成 YAML。

创建指标示例 Prompt

给的信息越详细，Buddy 输出结果越准确。Prompt 建议包含：指标业务含义、所属数据源、模型、聚合表达式、时间字段、过滤条件、依赖指标等关键要素。
用户输入
「在我的 olist_sales_model 语义模型下，新增一个 gmv 指标。统计逻辑是对 dlc.default_catalog.olist.orders 表中的 pay_amount 字段求和，用以对所有订单的支付金额求和（总交易额），注意统计时，剔除掉内部客户（客户类型为“internal”）下单的数据」

创建维度示例 Prompt

创建维度 Prompt 建议包含：维度英文名与中文标签、来源表与字段、数据类型、字典 key-value（如有）、所属模型、业务描述、Owner 等。
用户输入
创建「支付时间」维度，表名 dlc.default_catalog.olist.orders，字段名 pay_time，最小时间粒度按日 DAY，表示订单实际支付完成的时间点，"

注意事项

为了让 Buddy 输出符合预期的 YAML，建议在 Prompt 中尽量说明关键要素：
1. 模型定义关键要素
如果要指定数据源表名使用三段式 ：catalog.database.table，例如 dlc.default_catalog.olist.orders。
字段名要与底层表的实际列名完全一致 ，避免拼写错误。不指定表名和字段名 AI 也会根据用户输入推断，但是指定后生成的结果会更准确。
2. 指标定义要素
指标含义： 定义这个指标是做什么的，如线上渠道交易额等。
统计口径描述 ：说明指标的业务含义、计算逻辑（可以是自然语言，也可以是统计 SQL）、使用场景，越详细生成的 YAML 越准确。
3. 维度定义要素
维度含义 说明这个维度是什么，如支付时间、支付渠道等。
来源表与字段 同样使用三段式表名、真实字段名，如果不指定，AI 也会根据输入推断，但是指定后生成的结果会更准确。
4. 权限与发布
Buddy 在生成 YAML 前会校验当前用户是否拥有目标模型的 CreateMetric 权限；无权限会拒绝创建。
生成 YAML 后会等待用户审核确认 才会真正写入，审核时可再次调整字段后再确认。
提交后指标进入「已发布」状态即可在指标管理列表被消费，无需再执行额外动作。

常见问题

Q1：创建指标提示「缺少 CreateMetric 权限」？ 说明您没有目标模型的 CreateMetric 或 Manage 权限。请联系模型 Owner 在模型详情页「授权」Tab 中授予您 CreateMetric 权限。
Q2：派生指标的 formula 中能引用其他模型的指标吗？ 不能。派生指标只能引用同一模型下的指标。
Q3：指标发布失败，提示「表达式校验失败」？ 通常原因包括：① 表达式中字段在底层表不存在；② COUNT(DISTINCT) 被某些引擎不直接支持，需确认平台支持的去重写法；③ 自定义 SQL 中的函数名不被引擎识别。建议先用底层表在 SQL 编辑器中验证表达式可执行后再发布。

相关文档

什么是语义模型
创建语义模型
语义模型应用
Buddy —— 数据工程 Agent 概览
上一篇: 创建语义模型下一篇: 创建与管理标签体系

帮助和支持

本页内容是否解决了您的问题？

填写满意度调查问卷，共创更好文档体验。

文档反馈

搜索
    请输入关键词搜索文档