来自数据仓库的回答

将 Computer 连接到 Snowflake 或 Databricks，同时保留现有的角色、权限和安全控制。
构建一个数据图，用于捕获业务定义、表关系和查询模式，以实现更可靠的分析。
使用仓库数据以及其他经批准的企业源创建报告、仪表板和定期监控工作流。

查询示例

常见问题

将 Computer 连接到数据仓库

数据团队如何与 Computer 协同工作？

Computer 可以为业务团队提供一个自然语言界面来访问受治理的仓库数据，并将其与来自其他受批准系统的上下文相结合。客户减少了重复的数据请求，并让数据团队能够花更多时间在建模、治理和战略分析上。它不会替代仓库、语义层或数据质量工作。

开始的最佳方式是什么？

从一个清晰易懂的业务领域和一小群用户开始。配置用户 OAuth，限制对经批准的模式和工具的访问，记录规范指标，生成并审核数据图，并针对受信任的报告测试具有代表性的问题。只有在数据团队对 SQL 质量、权限、成本和用户行为满意后，才可以进行扩展。

Computer 可以主动监控指标和数据管道吗？

计划任务可以针对支持的源运行定期检查，并通过配置的通道交付结果。用户应定义数据源、节奏、阈值、预期输出、所有者和升级路径。

架构与治理

什么是数据图，谁应该拥有它？

数据图是一个组织层面的上下文层，用于捕获重要的表、列、关系、查询模式和业务上下文。它帮助 Computer 将业务问题转换为来自仓库的查询。数据平台、分析工程或数据治理所有者应负责维护它、定义权威指标、审核拟议的更改并添加持久的补充上下文。

仓库是否仍然是记录系统？

是的。数据图存储了关于如何导航数据的上下文。当前的指标仍然需要活动连接，并且 SQL 在客户的 Snowflake 或 Databricks 环境中执行。仓库仍然是数据、计算、权限、查询历史记录和访问策略的权威来源。

如何强制执行身份和权限？

Computer 在其连接器中使用用户 OAuth。每个人都使用其个人帐户登录，并且查询在该帐户配置的角色上下文中运行。仓库本地授权、行过滤器、列策略和角色配置仍然是权威控件。某些连接器也支持共享服务帐户，但它应用的是服务帐户的访问模型，而不是每个用户的个人权限。

Computer 能否协调跨仓库、SaaS 应用程序、文件和网页的数据？

Computer 可以在一个工作流中组合来自已启用源的信息。它并没有消除对可靠实体解析的需求。对于重要的报告，请在上游维护规范的客户、产品和帐户标识符，记录经批准的交叉引用，并为每个指标定义真相来源。

准确性与可审计性

数据团队应如何验证生成的 SQL 和答案？

Computer 生成可审核的 SQL。数据团队应检查 SQL，将重要输出与受信任的报告进行比较，测试边缘情况，并纠正数据图中所缺失的业务上下文。

当系统意见不一致时，如何选择权威指标？

数据团队应明确做出决定。管理员可以编辑数据图，以便批准的定义成为实时的真实数据，并且持久的业务定义可以放在补充上下文中。冲突的用户更正将被路由以供人工审核，而不是自动解决。对于每个重要指标，请记录规范来源、粒度、必需的过滤器、所有者和已知的替代方案。

有哪些可用的审计跟踪？

Perplexity 审计日志捕获用户输入、代理操作、完成、错误和管理更改之间的事件。像 Snowflake 和 Databricks 这样的数据仓库保留了权威的仓库端查询和身份记录。

能否为审计员精确重现每个答案？

无法公开记录或保证确定的确定性重放。审计日志、问题、可审核的 SQL、数据图版本历史记录和仓库记录可以帮助重建运行，但没有任何记录的标识符将每个答案绑定到数据、权限、数据图和模型运行时的不可变快照。对可重复性有严格要求的组织应保留其自己的版本化证据清单。

安全与合规

数据持久保存在哪里，它是否用于模型训练？

企业数据不用于训练或微调 Perplexity 模型。Computer 任务在隔离的沙盒中运行，凭据随沙盒销毁。会话工件和仓库 query 历史记录是分开治理的。附加的会话文件在七天后删除。企业组织可以使用其他可配置的保留设置。