语义
语义层 (semantic layer)
概念
本站收录 5 集 · 0 条金句 · 关联 10 个
集里怎么说它
- 《Omni 创始人:丢掉五笔交易后怎么找到产品市场契合》(15:56起):本集说 Looker 构建了一个做所有事情的语义层,但极其僵化,Omni 则让你先做事之后再把它变成语义层
- 《把上下文当资产预编译:Pinecone Nexus 如何重做智能体检索》(17:03起):本集说上下文里常带指向语义层的引用,把「年度收入」这类业务术语定义写清楚,不能靠智能体猜。
- 《Vercel 构建「每桌一个智能体」:从失败的多智能体到文件系统智能体》(04:22起):本集说智能体要探索语义层弄清 join 模式;文件系统版本把整个语义层倾倒进沙箱,是除系统提示词外唯一的预置上下文。
- 《模型是租的,harness 才是你的:拆解智能体的七层框架》(08:27起):本集借 Umwelt 类比:智能体的语义透镜,捕捉组织里「和同事不用说出口」的部落知识——数据怎么建模、查询怎么执行、元数据是什么。
- 《当几十亿个AI智能体冲向你的数据库》(24:51起):本集说大银行靠提供更丰富的语义层/上下文层,才把 text-to-SQL 准确率提到 99.5%;语义层是让智能体推导出正确 SQL 的关键投入
② 出现在这些集
5 集
- 《Omni 创始人:丢掉五笔交易后怎么找到产品市场契合》 — 作为概念(提及)
- 《把上下文当资产预编译:Pinecone Nexus 如何重做智能体检索》 — 作为概念
- 《Vercel 构建「每桌一个智能体」:从失败的多智能体到文件系统智能体》 — 作为概念
- 《模型是租的,harness 才是你的:拆解智能体的七层框架》 — 作为概念
- 《当几十亿个AI智能体冲向你的数据库》 — 作为概念
③ 关联
点进去有真内容 —— 本页主要出口
智能体 · Snowflake · RAG · MCP · Databricks · 向量数据库 · Claude Code · Oracle · LLM · 沙箱
