Define once. Use everywhere.

OSI 原生的指标语义层：一次定义，处处使用

进去是一份开放模型，出来是各数仓各自正确的 SQL。 revenue 在 DuckDB、Postgres、Snowflake、ClickHouse、StarRocks 上算，含义都一样。

安装 运行第一个查询 为什么用 Dosi

它解决什么问题

指标的含义，看板里写一遍，SQL 里写一遍，notebook 里又写一遍。写着写着就对不上了： 一处过滤了已取消订单，另一处没过滤；一次不留神的 JOIN 把总额悄悄翻了倍。 最后两个数都说自己"正确"，却谁也对不上谁。

Dosi 把每个指标收敛到一处定义，SQL 由它生成。同一份定义，在每个数仓上都算得对， 重复计数这类错误在设计上就被排除了。

30 秒看懂

在模型里定义一次，之后按名字取用：

$ dosi list metrics --model fixtures/orders/model.yaml
NAME              KIND        DATASETS          DESCRIPTION
revenue           aggregate   orders            Total order amount
order_count       aggregate   orders            Number of orders
unique_customers  aggregate   orders            Distinct purchasing customers
avg_order_value   ratio       orders            Revenue per order (ratio)
total_margin      expression  orders, products  Revenue minus cost (expression over two aggregates)

$ dosi query --model fixtures/orders/model.yaml \
    --metrics revenue --group-by orders.status --execute --db orders.db
status     revenue
completed  350
cancelled  100
2 rows

换成 --dialect snowflake，SQL 就变了，模型一个字不用动。

团队为什么用它

• 一份模型，多个数仓

  ---

  同一份 OSI 模型能编译出 13 种以上方言的正确 SQL。换数仓只改一个参数，不用重写。

• 正确性由构造保证

  ---

  有扇出保护，绝不会悄悄重复计数。算不安全的数，它会直说，而不是猜一个给你。

• 开放标准，不绑定厂商

  ---

  输入就是纯 OSI YAML，厂商中立，不用为哪家的私有语义层买单。

• 够快，原生支持 Arrow

  ---

  精简的 Rust 引擎，内置进程内 DuckDB，结果以零拷贝的 Arrow 流式送进 DuckDB、 Polars 或 pyarrow。

• 接入方式随选

  ---

  CLI、REST + Arrow 服务、 Python 绑定，同一个引擎，同样的答案。

• 为自动化而生

  ---

  错误是结构化、机器可读的，带稳定错误码和修复建议，脚本和 AI Agent 据此就能自我纠正。

从这里开始

• 安装

  ---

  拿到 dosi 可执行文件并验证，几分钟搞定，不用装数据库。

• 运行你的第一个指标查询

  ---

  10 分钟动手教程，从一份模型走到能肉眼核对的真实结果。

• 为什么用 Dosi

  ---

  OSI 是什么、语义层解决了什么问题，以及这些数字凭什么可信。

---

基于 Apache-2.0 开源。源码、issue 和设计文档都在 GitHub 上。