跳转至

Define once. Use everywhere.

任何数据库、任何 Agent —— Apache Ossie 原生的指标语义层

用 Apache Ossie(原 OSI)把指标和语义模型定义一次。Dosi 把它们编译成 20 种数仓方言各自原生的 SQL —— DuckDB、Postgres、Snowflake、ClickHouse、StarRocks 等,再以 CLI、MCP、REST + Arrow、Python 四种形态同时交付给 Agent 和人。

一份 Apache Ossie YAML 文件交给 Dosi 语义运行时:定义一次,处处使用。左侧由 Dosi 数据库引擎把 SQL 编译并下推到 13 种以上方言:DuckDB、StarRocks、ClickHouse、Doris、TiDB、Trino、Postgres、MySQL、Snowflake、BigQuery、Databricks、Redshift、Hologres;右侧 Dosi 以同一份契约、多种接口对外提供服务:dosi CLI、REST API、零拷贝的 Arrow IPC,以及 MCP 服务,供 Agent、数据应用、BI 工具和人使用。

它解决什么问题

指标的含义,看板里写一遍,SQL 里写一遍,notebook 里写一遍,现在每个 Agent 又各写一遍。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。Dosi 让每个指标只有一处定义,SQL 由它生成,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

对你的编程 Agent 说一句(Claude Code、Codex、Cursor 或其他都行):

Install Dosi by following https://dosi.datus.ai/agent-install.md

然后在放数据的目录里直接聊:

连上我的数据

给这份数据建一个语义模型

按区域和月份看收入

为什么第二季度收入比第一季度低?

Agent 会自己连接数据、写出并校验一份 Apache Ossie 模型,之后每个问题都走模型里的指标回答,而不是猜 SQL。口令从不需要在对话里输入。快速上手用一份 20 万订单的样例数据把这段对话完整走一遍,十分钟以内。

在模型里定义一次,之后按名字取用:

$ export DOSI_EXAMPLES=~/.local/share/dosi/examples
$ dosi list metrics --model $DOSI_EXAMPLES/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  order_lines, orders    Revenue minus cost (expression over two aggregates)
line_count           aggregate   order_lines
line_product_margin  expression  order_lines, products

$ duckdb orders.duckdb < $DOSI_EXAMPLES/orders/seed.sql
$ dosi query --model $DOSI_EXAMPLES/orders/model.yaml \
    --metrics revenue --group-by orders.status --order status \
    --execute --db orders.duckdb
status     revenue
cancelled  10
completed  23825.49
pending    0
3 rows

这个路径就是安装脚本放内置示例模型的地方,dosi info 也会把它打印出来。导入示例数据需要 DuckDB 命令行,命令行教程里有逐步说明。换成 --dialect snowflake,SQL 就变了,模型一个字不用动。

为什么选 Dosi

为 Agent 而生

数字算得对

  • 确定性的正确


    无法证明不受 JOIN 扇出影响的聚合,Dosi 拒绝生成;JOIN 路径有歧义就报错并列出全部候选,绝不猜。指标能否求和、上卷、归因,由模型推导得出,而不是交给大模型判断。

  • 开放规范、20 种方言、任何 Agent


    Dosi 原生加载 Apache Ossie(原 OSI)YAML,不需要旁挂格式,也不用把语义再抄一份,还能用上游参考校验器检查模型。一份定义编译到 20 种数仓方言,服务任何会说 MCP 或 HTTP 的 Agent。

  • 聚合与明细,同一套语义


    query 返回聚合,select 返回明细行,走的是同一套过滤和 JOIN 路径。下钻不再意味着手写一段 SQL,悄悄丢掉指标原本的定义。

不止一个数字

  • 指标表达力强,数量反而少


    派生、嵌套、参数化指标,加上同环比、滚动和累计窗口,少量稳定的定义就能覆盖业务的核心。LOD 让指标独立于查询的 group-by 固定自己的粒度,比如按客户算首单收入,再按区域汇总。

  • 原生归因


    解释指标为什么变了:先按公式拆,再按任意字段的分组拆。每一部分都得到它的 Shapley 贡献,各部分贡献加起来正好等于总变化,解释可以核对。

  • 指标之上的本体


    Apache Ossie 本体(ontology)在语义模型之上补充业务概念、规则和关系,Dosi 把它们编译成同样的 SQL。Agent 因此能按公司自己的定义推理出一个决策,而不只是取回一个数。

从这里开始


Dosi 是 Datus 的产品。获取使用权限、授权或技术支持,请联系 Datus 团队,也可以了解 Dosi 所支撑的商业化平台 Datus Studio。