在很多企业中，数据标准并不是缺失的。缺失的，往往是被真正执行的标准。

数据标准存在于标准系统、制度文件、行业规范或历史文档中，但在实际建模过程中，仍然高度依赖个人经验和理解差异，字段命名各异、口径多版本并存、规则难以统一，最终导致模型难以复用、治理成本居高不下。

随着DDM Dora 9.0的发布，智能体能力进一步成熟，企业通过它可以高质高效的实现模型标准化的基础目标。

Dora的知识库中心，支持将这些 Word / PDF / 文本文件纳入知识库，通过语义解析和向量化，使其成为智能体可理解的知识来源。

• 数据标准和元数据的接入

  首先，接入企业现有的数据标准，数据字典，核心指标定义等，这些内容通常已经以结构化方式存在，平台可直接接入并作为智能体的核心标准来源。

• 非结构知识库与文件

  在实际场景中，很多关键标准并不只存在于系统中，而是分散在管理制度、业务规范文档，行业标准、监管报送口径文件，历史设计说明、模型评审材料

建模人员在模型设计过程中，只需根据使用场景，以自然语言描述建模意图，可以指定当前模型，当前实体，当前字段等。

建模智能体会结合当前模型上下文，通过大模型规划与工具执行，完成如下工作：

• 知识库与文件语义检索，大模型学习企业的业务规则，理解业务后，帮助生成服务业务要求的实体和属性

• 创建字段时，优先引用的企业数据标准和代码。一旦确认引用，字段的命名、类型、精度及约束将自动继承标准定义，直接写入模型。

• 创建字段时，进行标准的中文到英文的命名；没有标准词汇的，大模型会自动翻译。

整个过程无需建模人员切换系统或手动查找文档，短视频如下：

通过通用标准化的数据建模，让标准在每一次建模动作中自动生效，真正实现统一口径、统一语言和统一资产。智能体将数据标准、知识库与实践经验持续固化为组织能力，降低对个人能力的依赖，提升整体交付稳定性与治理可持续性。

让标准成为默认，让建模成为能力，让数据真正可治理、可复用、可增长。

试用申请请添加：datablauxzs