Q：AI-DG与BD-OS是什么关系？是替代还是互补？
A：两者是互补与增强关系。简单理解为，AI-DG是BD-OS的“智能对话式前端”。
BD-OS是底层的数据中台执行引擎，解决的是“数据存哪、怎么跑”；而AI-DG是数据开发工程师，接受指令，完成标准设计、数仓模型设计、文档编写等工作，完成原本需要在BD-OS中手动配置的操作，它简化了底层复杂的任务创建工作，但不替代BD-OS的任务执行。
Q：AI-DG能脱离BD-OS独立运行吗？
A：现阶段不可以，目前生成的任务都是对接到BD-OS。但“独立解耦运行”是下一个阶段的研发重点，可以跟主流数据平台集成，生成的任务直接跑在其他的数据平台之上。
Q：AI-DG能和其他第三方数据中台集成吗？（非BD-OS）
A：目前AI-DG主要适配自有生态，对第三方数据中台的融合兼容已纳入产品路线图，预计在后续版本中逐步支持主流平台。如果有具体的集成需求，可以在项目对接阶段评估。
Q：AI-DG和传统数据治理平台有什么区别？
A：传统平台是"工具箱"，帮您把任务管起来，但每一步的分析、设计、编码还是人来做。
AI-DG是"执行者和思考者"，完成调研分析、模型设计、SQL生成、规则推荐等，人只做关键审核确认。
核心差异是：传统平台减少了任务管理成本，AI-DG减少了生产成本。
Q：AI-DG和"传统数据治理平台+部分AI"有什么本质区别？
A：传统平台+AI通常是“单点增强”——在某个环节接入通用大模型，实现问答或辅助生成，比如代码助手，但整体流程仍然是割裂的，AI能力没有深度融入治理全过程。
AI-DG的区别在于：
-
深度融合：AI能力贯穿调研→盘点→建模→开发→质量→指标全链路，上下游成果自动传递，理解业务上下文
-
领域专精：不是简单接入通用大模型，而是基于数据治理专项语料训练的领域模
-
落地闭环：生成结果可直接在BD-OS执行，不是停留在问答层面的参考建议
Q：AI-DG与DeepSeek、豆包这类通用大模型有什么区别？
A：通用大模型是"万能助手"，懂很多但不够深。AI-DG是专为数据治理场景训练的领域模型，差别体现在四点
-
方法论融合：深度融合了DAMA、DCMM等数据治理方法论和行业实践经验，领域理解能力明显高于通用模型
-
知识深度：内置数万个数据标准、质量规则和行业数据模型，不需要用户反复提示和纠正
-
流程打通：不是单独问答，而是贯穿调研→盘点→建模→开发→质量→指标全链路，上下游成果自动传递
-
直接落地：生成的SQL、接入任务、稽核规则可直接在数据治理平台中执行，通用AI的输出还需要人工再整理转化
Q：AI-DG生成的东西准不准，我们能信吗？
A：AI-DG生成的每一步都需要人确认才会执行，不会自动改动任何数据。AI 负责起草，人负责决策，这是我们的设计原则。而且我们的模型是基于近千个真实项目经验训练的，不是通用大模型，在数据治理领域的准确率是很高的。
Q：BS-LM大模型是否支持单独售卖？
A：BS-LM大模型不支持独立售卖。