‏شش لایه برای دقیق‌تر کردن Genie Ontology در Databricks

Genie Ontology تو Databricks لایه‌ایه که به ایجنت‌های هوش مصنوعی «زمینه‌ی کسب‌وکار» می‌ده. یعنی تعریف‌ها، رابطه‌ها، قوانین و دسترسی‌ها رو از جدول‌ها، کوئری‌ها، داشبوردها و نوت‌بوک‌ها جمع می‌کنه، رتبه‌بندی می‌کنه و موقع جواب دادن به Genie می‌ده. نویسنده‌ها می‌گن قانون اصلی اینه: «سر» رو خودت مدل کن و بذار Ontology «دم» رو استنتاج کنه. یعنی تعریف‌های حیاتی رو دستی بساز و بقیه رو بسپار به خود سیستم.

لایه‌ی ۰ پایه‌ی فیزیکی داده‌ست: یه gold layer که دور فرایندهای کسب‌وکار طراحی شده، مثلاً با star schema و grain مشخص. بعد هم entity resolution (یعنی یکی کردن یه مشتری که تو سیستم‌های مختلف سه تا ID داره). لایه‌ی ۱ متادیتاست. اگه جدولی اسمش fct_rev_daily باشه و توضیح نداشته باشه، ایجنت باید حدس بزنه. نوشتن توضیح جدول و کامنت ستون تو Unity Catalog، تگ‌گذاری داده‌های حساس مثل PII و استفاده از ابزار dbxmetagen برای تولید خودکار پیش‌نویس، همه این‌جا هستن.

لایه‌ی ۲ مدل معنایی کسب‌وکاره. اول کلیدهای primary و foreign رو تعریف کن تا ایجنت درست join بزنه. بعد KPIهای حیاتی مثل درآمد رو با Metric View تعریف کن (یعنی یه شیء تو Unity Catalog که measureها و dimensionها رو یه بار به‌صورت کد تعریف می‌کنه). به Metric Viewها synonym و نام نمایشی بده و با Domain و Page تعریف‌ها رو دسته‌بندی کن. Genie Code هم می‌تونه با دستور زبان طبیعی YAML این Metric Viewها رو بسازه یا مدل‌های Tableau و Power BI رو import کنه.

لایه‌ی ۳ درباره‌ی دارایی‌هاییه که Ontology ازشون یاد می‌گیره. داشبوردها، نوت‌بوک‌ها و کوئری‌ها رو مستند کن، دارایی‌های معتبر رو certify کن و قدیمی‌ها رو deprecate کن. دارایی certifyشده موقع تعارض وزن بیشتری داره. لایه‌ی ۴ حاکمیت داده‌ست: Genie فقط از چیزی استفاده می‌کنه که کاربر اجازه‌ی دیدنش رو داره، پس دو نفر ممکنه برای یه سؤال جواب متفاوت بگیرن. row-level security، column masking و Unity AI Gateway هم برای کنترل مدل‌ها و هزینه‌ها این‌جا میان.

لایه‌ی ۵ ارزیابی و بهبوده. نویسنده‌ها پیشنهاد می‌کنن قبل از انتشار، یه مجموعه سؤال واقعی با جواب درست برای هر حوزه بسازی و با Genie Agent Benchmarks تست کنی. اگه جوابی غلط بود، مشکل رو همون‌جایی درست کن که ریشه داره: Page برای تعریف، Metric View برای محاسبه، یا متادیتا برای جدول. به گفته‌ی مقاله، ارزیابی یه کار یه‌باره نیست و باید مداوم باشه.

توصیه‌ی آخر مقاله اینه که لازم نیست همه‌ی شش لایه رو یه‌جا بسازی. از یه حوزه‌ی پرکاربرد مثل فروش و یه معیار مثل ARR شروع کن، همون‌جا رو محکم کن و بعد سراغ حوزه‌ی بعدی برو. نویسنده‌ها معتقدن هدف نهایی، کامل بودن فنی نیست، بلکه اینه که کاربر به جواب اون‌قدر اعتماد کنه که بر اساسش تصمیم بگیره.

نکات کلیدی:

• Genie Ontology مدل معنایی دستی رو با زمینه‌ای که از دارایی‌های موجود استنتاج می‌کنه ترکیب می‌کنه
• شش لایه: داده‌ی پایه، متادیتا، مدل معنایی، دارایی‌های معتبر، حاکمیت و ارزیابی
• KPIهای حیاتی مثل درآمد باید اول از همه با Metric View تعریف بشن
• کلیدهای primary و foreign تو Unity Catalog اجباری نیستن ولی خطای join رو کم می‌کنن
• دارایی‌های certifyشده موقع تعارض وزن بیشتری از زمینه‌ی استنتاجی دارن
• Genie فقط از محتوایی استفاده می‌کنه که کاربر بهش دسترسی داره
• شروع پیشنهادی: یه حوزه مثل Sales و یه معیار مثل ARR