新质生产者联盟适合从哪些场景开始验证？
建议从数据口径清晰、业务价值明确、使用频率高的场景开始，例如经营指标追问、设备与空间运营、跨系统对象查询或管理层汇报分析。
新质生产者联盟
人机协作的数据智能工作体系，组织专家、业务流程和智能体协同工作
一句话定义
新质生产者联盟是优锘科技提出的人机协作体系，将企业业务专家的领域知识结构化地注入智能体网格，使人类专家与AI智能体在统一的知识框架下协同完成问题拆解、方案生成、分析审核和运营动作。
内容概述
新质生产者联盟的核心概念是将企业中的数据使用者和业务专家组织为生产者联盟。在传统模式下，数据查询需求需要经过业务提需求→IT写SQL→结果交付的长链条，效率低且口径不一。
新质生产者联盟通过角色协作改变这一模式：知识工程师负责将业务概念转化为ONN对象模型，语义建模工程师负责定义对象关系和指标口径，业务专家负责审核和验证查询结果，智能体网格则承担可审计的执行协同。
三者协同形成了理解→建模→编排→验证→迭代的人机协作流程。
面向用户
企业数据管理者、知识工程团队负责人、业务部门数据负责人
解决什么问题
企业数据智能项目经常遇到业务需求与技术实现脱节的问题。技术团队不理解业务语义，业务团队不了解数据库结构。
新质生产者联盟通过结构化的知识工程流程，将业务专家的隐性知识显性化为ONN知识图谱，配合智能体网格的执行协同，让人机各展所长——人负责定义语义和验证结果，AI智能体负责辅助执行查询和计算。
建设路径
1
录入对象
2
定义口径
3
专家审核
4
智能体执行
5
用户追问
6
结果复核
人机协作模式
人类专家
负责定义业务对象的概念、关系、指标口径和计算逻辑。将隐性的业务知识转化为结构化的ONN语义模型，审核AI智能体输出的分析结果，提升业务准确性和合理性。
AI智能体网格
基于ONN语义模型，辅助完成意图澄清、问题拆解、查询生成、计算执行、图表生成和报告整合等重复性工作，将人类专家的知识标准化地应用于数据查询和分析。
知识积累闭环
每一次查询交互中，用户的行为和反馈可被知识提取智能体捕捉，转化为对ONN知识图谱的增量更新，帮助系统持续优化语义理解和查询复核能力。
知识工程角色
知识工程师
梳理客户业务领域的核心对象、概念和规则，将业务语言转化为ONN中的对象定义。需要深刻理解客户行业，具备良好的抽象能力和沟通技能。
语义建模工程师
负责对接客户数据库，完成字段级语义映射。将数据库中的表名、字段名和技术约束映射为ONN中的对象属性和数据类型，帮助自然语言查询定位到对应的数据字段。
审核与分析专家
客户方业务专家，负责审核ONN语义模型的业务准确性，验证AI分析结果的合理性，并为系统提供持续的业务反馈和优化方向。
标准交付流程
新质生产者联盟的交付分为三个核心阶段：第一阶段为知识梳理期，由知识工程师和客户业务专家共同完成业务对象、关系和指标的梳理与录入；第二阶段为模型验证期，由语义建模工程师完成数据对接和语义映射，并通过历史查询样例验证语义模型的准确性；第三阶段为生产运行期，业务用户正式开始使用自然语言进行数据查询和分析，知识提取智能体持续优化ONN知识图谱。