数据应用通用智能体
取数不用排队，
答案带着口径来
业务人员用一句话问出的每个数字，都来自 Mensura 治理过的指标定义，可追问、可溯源、可审计——不再等分析师排期，不再各团队各算各的口径。
2025年全院季度趋势：Q1 71.6% → Q2 68.4% → Q3 69.2% → Q4 65.3%，逐季下降约 6.3 个百分点，管控效果明显。
口径为「限制使用级及特殊使用级 DDD ÷ 全部抗菌药物 DDD × 100%」，数据来自已授权院内数据源，本次查询已写入审计。
Mensura 智能体层构建于
Mensura 指标引擎构建于
这些场景，大概率你们正在经历
不是缺看板，是缺一个能随时被问、答得准、还能追问下去的数据入口。
取数要排队
业务人员想看一个数，要建需求单、等分析师写查询、来回对需求，一来一回好几天，等数据到手，决策窗口已经过去了。
口径各算各的
「日活」「转化率」「使用比例」在不同报表里数字对不上，开会先花半小时对齐口径，而不是讨论口径背后的问题。
异常没人主动发现
指标出了问题，往往是月底复盘时才被翻出来，没有人在那个时间点追着问「这个数字为什么变成这样」。
看板做了，没人看
BI 看板堆了一屏图表，但业务人员平时不会主动打开，真正要用的时候还是靠拍脑袋，或者临时拉人重新算一遍。
一个智能体，两层能力
指标先算对，人才能问得到
Mensura 内部分两层：指标引擎负责定义口径、执行查询，是数字的来源；智能体层是业务人员唯一接触到的入口，只能通过命名指标调用向指标引擎取数——内部两层谁都绕不过谁。
让模型写 SQL，等于把口径交给概率
同一个问题问两次，生成两套 SQL，得到两个数。这在演示里无所谓，在监管报表里不行——所以 Mensura 从不让 agent 自己写查询。
- 口径散落在提示词里，改一次要追着改很多处
- 越权查询只能靠数据库权限兜底，网关层拦不住
- 患者姓名、身份证号可能随结果集直接流回模型
- 数字对不上时，没人说得清是哪一步出的错
- agent 唯一能发出的是命名指标调用，参数结构固定
- 口径由指标引擎的模板定义，审定一次全局生效
- 身份随请求透传，权限在网关和指标引擎双重生效
- PII 在出口拦截，每次调用留痕可回放
真实效果
同一个对话，一路追问到管理动作
下面是两个真实场景的对话节选：从一个总量数字，追问到结构拆解、口径来源，全程没有换工具，也没有等人重新拉数。
2024年 ¥19,922，2025年 ¥960,150，2026年至今 ¥459,834。2025年较2024年增长显著。
按费用排序：血液内科 ¥430,300、重症医学科 ¥327,514、神经外科 ¥214,178……前五科室合计占全院总费用的 86.2%。
全院季度趋势逐季下降：Q1 71.6% → Q4 65.3%。但血液内科等四个科室 2025 年全年比例达 100%，建议结合病种构成评估是否有降级空间。
口径为「限制使用级及特殊使用级抗菌药物 DDD 数 ÷ 所有抗菌药物 DDD 总数 × 100%」，以用药强度而非病例数计量——`describe_metric` 工具已返回该指标的完整组成定义。
用户总的商品页面浏览量为 89,716,264 次（约 8,972 万次）。
浏览占 89.6%，加购 5.5%，收藏 2.9%，购买 2.0%。浏览到购买的转化率（CVR）约 2.25%。
12:00–15:00 是黄金时段，其中 13～14 点为全天峰值；凌晨 0～8 点也有可观的浏览量。
看到 CVR 字段返回的是绝对数值而非百分比，先核对了指标定义（CVR = 购买次数 ÷ 浏览次数），再重新计算：707,885 ÷ 33,187,384 ≈ 2.13%。
- 一次提问延伸出四层追问，全程没有切换工具或等人重新建表
- 任何一个数字都能倒推出计算公式和数据口径来源
- 指标定义有歧义时，agent 会先核对口径再回答，而不是直接编造
指标是产品，不是提示词
指标引擎维护一套跨场景的业务指标模板库，映射到你的数据源上，成为智能体层唯一的取数入口。
Mensura 指标引擎 · 指标定义
模板定义语义，绑定落到你的列
模板只描述指标的业务语义和它需要的字段角色，与具体列名无关。接入时由绑定关系把角色解析成你库里的真实字段。
Mensura 智能体层 · 对话能力
趋势追问不用换工具
时间范围是调用参数的一部分，追问「近 6 个月怎么变的」走的还是同一个指标。
Mensura 智能体层 · 治理网关
治理不是事后补的
脱敏、引用、审计这三件事发生在网关内部，任何消费方都绕不过去。
Mensura 指标引擎 · 业务域
一个入口，多个业务域
业务域列表从指标引擎实时拉取，切换后重新划定智能体层可查询的指标范围，建议问题也跟着换。
治理链路
一次提问，六道关卡
从自然语言到落库的数字，中间没有任何一步是模型可以自由发挥的。
提问
用业务语言描述，不需要知道表名
路由
判断走取数、查术语还是查规范
命名指标调用
参数结构固定，无自由文本字段
指标引擎执行
语义层解析并查询数据仓库
出口脱敏
PII 在返回模型之前被拦下
审计留痕
路由理由和工具调用可逐条回放
// 没有 sql 字段，也就没有自由发挥的余地 POST /agent/query { metricIds: ["M_SPECIAL_USE_RATE"], dimensionCodes: ["dim_dept"], filters: [{ dimensionCode: "dim_level", operator: "eq", values: ["特殊使用级"] }], timeFilter: { dateRange: ["2026-06-01", "2026-06-30"], granularity: "month" } }
参数不合法、指标未绑定、身份无权限，任意一条不满足，请求在网关就被拒绝，不会到达指标引擎的数据仓库。
Mensura 智能体层 · 接入与治理
接得进来，才谈得上治理
模板是通用的，你在指标引擎里连好的数据源是特殊的。中间这层映射由智能体层的 AI 匹配器给出草案，由人确认后才生效。
接入数据源
指标引擎连接数据源后自动读取表结构、字段类型和样本分布，形成一份可核对的清单。
映射字段角色
Mensura 的匹配器把你的列对应到模板要求的字段角色，给出置信度和它的判断依据。
人工复核发布
绑定关系经人工确认后写入，每次变更都记录在案，可以回溯是谁改的。
覆盖率闸门
系统会算出这套数据源能支撑多少个模板指标。没到最小可用集之前，它会明确告诉你还差哪几个字段，而不是先上线再发现答不出来。
上图为示例数值
分层定位
智能体层治理对话，指标引擎定义并执行指标
指标的定义和执行留在指标引擎，智能体层负责语义路由、治理网关和对话这一层，两层通过一份严格的内部契约相连。
上层换掉不影响指标引擎的治理规则，下层换掉不影响智能体层的调用契约。指标的定义和它的执行引擎解耦，这是这套分层唯一的目的。