任务拆解
把用户问题拆分为对象、关系、属性、指标和计算步骤，避免模型直接生成不可解释的结果。
权限与审计
在问数链路中校验用户身份、角色、数据范围和展示边界，并保留可追踪日志。
结果解释
将查询、计算和分析结果转化为业务可读的答案、图表或报告，帮助用户继续追问。
协同链路
智能体网格把复杂的数据智能任务拆成可治理的专业步骤，每一步都可以被记录、复核和持续优化。
意图澄清与任务拆解
识别用户问题中的对象、时间、条件、指标和业务目标，在表达不完整时引导澄清，避免直接给出含糊答案。
语义映射与查询生成
根据ONN中的对象关系、字段映射和指标口径，把自然语言问题转换为对应数据源可以执行的查询或计算任务。
质检校验与结果生成
在结果返回前检查查询语义、权限边界和指标口径，再生成表格、图表、解释文字或分析报告。
适用场景
智能体网格适合需要把大模型能力纳入企业流程、数据权限和可审计运行体系的场景。
智能问数
围绕自然语言查询组织意图澄清、指标匹配、查询生成、执行计算和结果解释，让业务人员在授权范围内自助获取数据。
智能分析
把一个方向性问题拆成多组可执行查询和分析步骤，形成带有依据、过程和结论的数据分析报告。
数字运营
把告警、工单、空间对象、设备状态和业务规则编排为可审计处置流程，支撑可视化运营闭环。
常见问题
围绕智能体网格建设和企业治理的常见问题。
智能体网格和单个大模型应用有什么区别？
单个大模型应用通常把理解、生成和执行放在同一次调用里；智能体网格把任务拆成多个专业环节，并结合ONN对象关系图谱、权限校验和质检流程，让企业数据场景更容易治理和复核。
智能体网格是否会绕过企业权限？
不会。智能体网格的查询和分析任务需要在用户授权范围内执行，并在关键环节进行权限校验和审计记录，避免越权访问。
智能体网格适合从哪些场景开始？
适合从智能问数、管理驾驶舱追问、运营告警分析、自动报告生成等高频场景开始，再逐步扩展到更复杂的业务流程协同。