AI时代管好业务词汇：治理术语表是Agent理解业务的基础

为什么受治理的业务术语表是让智能体理解您业务的基础，以及使用 Cortex AI 构建它的模式。

一家制药公司的临床研究员向内部智能体提问：在过去的五年临床试验中，X 制剂中的 API 最佳剂量是多少，才能有效治疗 Y 的症状？

在这种情境下，API指的是活性药物成分，而不是应用程序接口。如果弄错了，答案就不是略有偏差，而是充满自信的胡言乱语。

业务术语表恰恰弥合了这种差距。它不是一份无人问津的参考文档，而是智能体在查询时读取的受治理来源。下面是一个模式，介绍如何使用 Cortex AI 清理您已有的术语表，并保持其整洁。

为什么 AI 智能体需要业务术语表？

我们已经用自然语言与系统交流，随着智能体的成熟，它们也以同样的方式相互交流。流畅不仅仅是语法问题。在业务环境中，AI 系统还必须了解业务模型、其基础概念，以及公司实际使用的词汇。

按系统必须具备的知识来分解研究员的问题：

大型语言模型在训练时已经涵盖了第一类知识。其他三类并非免费提供，因此企业必须显式地训练或锚定每一类。对于提问的业务用户来说，这些都不是首要考虑的事情，也不应该是。他们期望系统知道他们日常使用的词汇。

您已有的术语表会出现什么问题？

创建业务术语表是一项不简单的任务，其严谨程度因企业而异：可能是共享驱动器上的电子表格、内网页面，或提供术语表功能的商业数据治理平台。

仅仅创建它是不够的。术语会变化。一次并购完成，两个术语表发生碰撞，各自对“客户”有不同的定义。一个新企业发明了词汇，而业务的其他部分尚未跟上。一个委托开发的系统带着没有人同意的概念和术语到来。维护一个健壮的术语表通常意味着解决以下问题：

这里的目标是语义一致性和完整性。这意味着术语表需要治理和管理。它需要像企业数据一样被主数据管理。从解决方案的角度来看，工作分为两部分：一次性清理以建立基线，然后持续的过程以防范语义漂移。

Cortex Sense 的定位

Cortex Sense 在 Snowflake Summit 2026 上发布，目前处于私有预览阶段，尚未公布正式可用日期。Snowflake 还表示，Horizon Context 将推出专门的业务术语表功能。

注意 Cortex Sense 的用途。它从您账户中已有的信号（包括查询历史、对象元数据、仪表盘定义和语义视图）中汇集上下文，然后提供适合每个问题的片段。Snowflake 已明确表示，经过策划的定义在此处权重最高，语义视图被视为权威信号。这是值得深思的有用部分。检索质量取决于可检索内容的质量，而决定同一术语的两个矛盾定义哪个正确，从来就不是一个检索问题。

这正是现在做这项工作而非等待的理由。当 Cortex Sense 和 Horizon Context 术语表正式可用时，术语表越干净，它们第一天就能做得更多。今天建立基线是为这些功能打下基础，而不是替代它们。

如何清理现有术语表？

由于术语、定义和缩写高度依赖自然语言，解决这个问题需要 NLP 和 AI 技术。图 1 显示了建立基线术语表的步骤。

1. 摄取到 Snowflake。将术语表从其原生平台落入一个暂存表：术语标识符、术语、定义、同义词、缩写、领域、业务负责人、技术负责人、源系统和摄取时间戳。遵循您的企业标准；这是一个最小集。
2. 嵌入并聚类以识别重复和近似重复。向量处理措辞的细微差别，并允许一定程度的模糊匹配，这是字符串比较无法做到的。使用 AI_EMBED，然后使用可配置阈值的 VECTOR_COSINE_SIMILARITY，以便调整截止点并决定何时需要人工干预。
3. 执行成对匹配。生成建议，如完全重复、同义词、相关但不同，或误报，并在适用时包括合并后的规范定义。使用 LLM 作为评判者来解决歧义，优于纯向量相似性。
4. 在您自己的文档中锚定缩写。在内部文档上构建 Cortex Search Service，使缩写及其展开形式以您的实际使用为准，而不是依赖模型的通用知识或孤立的术语表。
5. 让管理员参与。将每个标记的聚类和缩写呈现给管理员，让他们接受、拒绝、覆盖或编辑。跳过此步骤，您将失去未记录在任何地方的组织知识。

防止术语表再次漂移

维护流程持续运行，以确保完整性随时间保持。所有活动都应进行版本控制，以便可以回滚意外错误。图 2 显示了序列以及决定变更是否需要人工的分支。

1. 触发变更。每当术语添加或修改时，通过暂存表上的流，或如果术语表工具仅提供定期更新，则通过计划任务触发。
2. 应用相同的序列。嵌入、比较，然后让 LLM 作为裁判，与清理流程完全相同，但针对一条记录而不是整个语料库。
3. 根据阈值路由。同样的可配置阈值决定了是否需要管家干预，或者修改是否可以自动接受并发布。

嵌入还应作为定期维护任务执行，比如每隔几个月一次，以确保在持续词汇表操作过程中没有任何遗漏。

一旦建立了干净的基线和稳健的维护流程，词汇表即可用于创建语义视图，这本身也可以自动化。这些视图是用户和应用程序用自然语言与系统对话的界面。

这种方法无法解决的问题

有两个局限值得明确说明。

• 更大的图景。随着对话式和智能体系统激增，业务词汇表只是其中的一部分。知识图谱通过关系和上下文补充词汇表。数据目录提供企业数据资产及其所在系统的清单。词汇表、图谱和目录共同构成语义层所需的内容。单独使用词汇表只能获得共享词汇，除此之外没有更多。这是一个开始，而不是语义层。
• 组织承诺。词汇表项目往往会悄无声息地消亡。它们作为文档活动获得资金，管家角色变成某人的 10% 投入，一年后电子表格再次过时。词汇表不再是参考工件。它是智能体企业的基石基础设施，必须作为基础设施来配置资源。

词汇表是智能体企业的核心

如果 Snowflake 实例包含所有企业数据，将词汇表置于其中或附近非常有意义。术语与它们描述的数据并置，处于同一治理之下，可由相同的智能体读取。

智能体将与你的数据、你的应用程序以及彼此对话。每一次交互都基于你的词汇。如果两个系统对活跃客户的定义不一致，你会在董事会报告中发现问题。从你已有的词汇表开始。清理一次，然后保持干净。

AI 时代注意语言最初发表在Snowflake Builders Blog: Data Engineers, App Developers, AI, & Data Science在 Medium 上，人们在此通过突出显示和回复这个故事来继续讨论。