| 项目名称 | AskPath — 可审计的企业级 AI 问数系统 |
| 时间 | 2026-07 ~ 至今 |
| 角色 | 独立产品 / 全栈开发 |
| 类型 | B端 · AI数据治理产品 · 架构创新 |
| 项目背景 | ABB实习期间接触工业数据库，发现企业级问数的卡点是AI参与的环节无法完全控制且量化，导致的幻觉高、不可控、不可审计。我据此在一个月内完成数据系统底层设计，确定产品和研究方向，实现初版AskPath问数系统。 |
**痛点：**企业具备大量数据，却因为使用门槛高，导致无法合理使用所需数据，常常要引入软件开发公司和专业操作员来解决数据使用需求。（来自真实体验+企业数据治理市场调研）
**设计思路：**通过引入AI和对应的约束架构，实现可靠的AI问数系统。
设计决策：
**价值：**使用askpath后，企业无需软件开发商，也无需重构整个数据库和使用方式，就能实现对数据库内数据的灵活使用。
**参与部分：**需求挖掘 · 架构设计 · 算法设计 · 底层建模 · 全栈开发
**创新贡献：**AI仅用于问题理解，图模型用于确定性约束及SQL映射，知识结构用于本体生成。借鉴MQL，将自然语言落到TypedQuery工单，经确定性编译与反馈闭环出SQL/拒答；字段图谱做最短路/覆盖寻路，用户确认后知识进图，已验证路径做知识沉淀（Harness）和反馈训练；离体建模让AI只可见目录与计划，隔离数据层，保障数据安全。
BIRD样例库双层数据架构（确定性编译器）
当前实验结果： 提取工厂约 300M 私有库，19张表162字段，冷启动完成后：