AI 术语表 · 进阶 · 数据工程 · AI 平台与解决方案
语义层
语义层是一个中间层，用于在同一处定义“销售额”“活跃用户”等业务术语在实际数据中是以什么方式计算出的值。仪表板、电子表格和 AI 都通过这些定义来提取数据，因此同一个问题会得到同一个数字。
关于这个术语
- 难度
- 进阶 · 需要了解内部原理的专业术语
- 分类
- 数据、运维与平台
- 领域
- 数据工程, AI 平台与解决方案
- 加入时间
- 2026-10-09
通俗解释 这类似于公司设立一本通用术语词典和计算规则手册，要求所有部门在制作报告时都必须遵循这本手册。不过，语义层不只是供人阅读的文档，它还会按照这些规则生成实际查询并执行。
工作原理
数据仓库里只有表名和列名，没有“净销售额要扣除退款后计算”这类业务规则。语义层用代码或配置文件预先定义这些指标、维度（日期、地区等）以及表与表之间的关联方式。用户请求“按地区统计的净销售额”时，语义层会查看定义，生成合适的 SQL 并发送到数据仓库。无论请求来自 BI 仪表盘、电子表格、API 还是 AI 智能体，结果都按同一种方式计算。
为什么重要
组织规模变大后，各团队对“销售额”的计算方式往往略有不同，开会时数字对不上是常有的事。语义层把定义集中在一处，减少这种混乱；定义变更时也只需修改一次。最近，它在让 LLM 向数据提问的 Text-to-SQL 场景中尤其受到关注。如果让 LLM 直接解读数百张表，很容易出现错误的连接（join）或错误的计算；而通过整理良好的指标定义，回答会稳定得多。
注意事项
语义层建起来容易，维护起来更难。如果不明确业务定义变更时由谁修改、由谁审批，它很快就会与实际情况脱节。因此它常与数据治理、数据目录一起运营。从概念上看，它与本体或知识图谱有相似之处，但语义层主要关注的是“一致地计算指标”。
示例
员工向公司内部的数据聊天机器人提问“告诉我上个月的新客户数”时，聊天机器人中的 LLM 不会直接翻查数据表，而是调用语义层中定义好的“新客户数”指标。这样，财务团队仪表盘上的数字与聊天机器人的回答按同一定义计算，不会互相矛盾。