آموزش پلتفرم داده آماده برای ایجنت‌ها: لایه معنایی، Text-to-SQL و MCP - آخرین آپدیت

سرفصل ها و درس ها

ماموریت: اجازه دهید آن‌ها به انگلیسی بپرسند The Mandate: Just Let Them Ask in English

• ایمیل مدیرعامل که همه چیز را شروع کرد The CEO Email That Started It

• سه واکنش ساده (و دلیل شکست هر کدام) The Three Naive Reactions (and Why Each Fails)

• کالبدشکافی یک درخواست ایجنت به انبار داده Anatomy of an Agent-to-Warehouse Request

• نردبان بلوغ آمادگی ایجنت The Agent-Readiness Maturity Ladder

چرا Text to SQL ساده دچار توهم می‌شود Why Naive Text-to-SQL Hallucinates

• زنده: مشاهده توهم در ایجاد یک Join Live: Watch It Hallucinate a Join

• پنج حالت شکست The Five Failure Modes

• چرا فقط دادن Schema کافی نیست Why Just Give It the Schema Doesn't Work

• مشکل پاسخ‌های غلط اما بی‌صدا The Silent-Wrong-Answer Problem

لایه معنایی در واقع چیست What a Semantic Layer Actually Is

• لایه گم‌شده The Missing Layer

• متریک‌ها، ابعاد، موجودیت‌ها: سه اسم اصلی Metrics, Dimensions, Entities: The Three Nouns

• گراف پیوند: کدگذاری روابط یک‌بار برای همیشه The Join Graph: Encode Relationships Once

• لایه معنایی در مقابل لایه BI و SQL خام Semantic Layer vs BI Layer vs Raw SQL

• سیستم بدون سر (Headless) و مصرف‌کنندگان متعدد Headless and Multi-Consumer

مدلسازی متریک‌ها و ابعادی که LLM می‌تواند به آن‌ها اعتماد کند Modeling Metrics and Dimensions an LLM Can Trust

• اولین متریک شما، تعریف شده برای یکبار Your First Metric, Defined Once

• دانه (Grain)، جمع‌پذیری و تله Fanout Grain, Additivity, and the Fanout Trap

• توضیحات، مترادف‌ها و کانتکست تجاری Descriptions, Synonyms, and Business Context

• هوش زمانی بدون نوشتن SQL دستی Time Intelligence Without Hand-Written SQL

• دیباگ: متریکی که عدد غلط برمی‌گرداند Debug: A Metric That Returns the Wrong Number

گراف پیوند: از بین بردن Joinهای توهمی The Join Graph: Killing Hallucinated Joins

• یک Join غلط برابر با یک عدد غلط در داشبورد One Bad Join Equals One Wrong Board Number

• کدگذاری صحیح روابط Encoding Relationships Correctly

• تله‌های Fanout و Chasm Fanout and Chasm Traps

• قبل و بعد: یک سوال، دو پاسخ Before and After: Same Question, Two Answers

انتخاب موتور: ستون فقرات تصمیم‌گیری لایه معنایی Choose Your Engine: The Semantic-Layer Decision Spine

• نامزدهای انتخاب The Contenders

• ماتریس ستون فقرات تصمیم‌گیری The Decision Spine Matrix

• سه سناریو، سه پاسخ درست Three Scenarios, Three Right Answers

• دفاع از انتخاب Defend the Choice

پیاده‌سازی: یک لایه معنایی کاربردی Build It: A Working Semantic Layer

• راه اندازی پروژه و اتصال به انبار داده Project Setup and Connecting the Warehouse

• مدلسازی ستاره‌ای خرده‌فروشی Meridian Model the Meridian Retail Star

• ارائه متریک‌ها از طریق رابط کوئری Expose Metrics via the Query Interface

• اعتبارسنجی در برابر اعداد صحیح شناخته شده Validate Against Known-Good Numbers

• مرور کلی و مدلی که به LLM خواهیم داد Recap and the Model We Will Feed the LLM

جهش مستندسازی: از ۴۰ درصد به ۹۰ درصد The Grounding Jump: 40 Percent to 90 Percent

• اجرای مجدد شکست‌های بخش ۲، اکنون با مستندسازی Re-run Module 2's Failures, Now Grounded

• نحوه عملکرد Grounding How Grounding Works

• تبدیل کوئری معنایی به SQL کامپایل شده Semantic Query to Compiled SQL

• بنچ‌مارک اقتصاد تولید The Production-Economics Benchmark

• جایی که ۱۰ درصد خطا هنوز باقی است Where the 10 Percent Still Breaks

مهندسی کانتکست برای انبار داده Context Engineering for the Warehouse

• کانتکست به عنوان عامل محدودکننده جدید Context Is the New Limiting Factor

• بازیابی متریک‌های درست Retrieving the Right Metrics

• نمونه‌های Few Shot و کوئری‌های تعمیم‌یافته Few-Shot and Query Exemplars That Generalize

• ابهام‌زدایی و سوالات شفاف‌کننده Disambiguation and Clarifying Questions

• دیباگ: ایجنت متریک اشتباه را انتخاب کرد Debug: The Agent Picked the Wrong Metric

چگونه بفهمیم درست است؟ ارزیابی How Do You Know It's Right? Evaluation

• نمی‌توانید چیزی را که اندازه‌گیری نمی‌کنید، عرضه کنید You Can't Ship What You Can't Measure

• ساخت مجموعه ارزیابی از سوالات خودتان Build an Eval Set From Your Own Questions

• گیت‌های رگرسیون در CI Regression Gates in CI

• داشبورد دقت The Accuracy Dashboard

شکاف حاکمیتی: چه چیزی هنگام کوئری ایجنت‌ها می‌شکند The Governance Gap: What Breaks When Agents Query

• ایجنتی که حقوق همه را دید The Agent That Saw Everyone's Salary

• دسترسی‌های بیش از حد و تله حساب‌های سرویس Over-Permissioning and the Service-Account Trap

• تزریق پرامپت (Prompt Injection) به لایه داده Prompt Injection Into Your Data Layer

• مدل تهدید The Threat Model

حاکمیت داده در لایه معنایی Governance at the Semantic Layer

• سیاست‌ها باید در لایه باشند، نه در پرامپت Policy Belongs in the Layer, Not the Prompt

• RBAC و متریک‌های تحت حاکمیت RBAC and Governed Metrics

• امنیت سطح سطر و ماسک کردن ستون‌ها Row-Level Security and Column Masking

• داده‌های PII، آستانه‌های تجمیع و k-Anonymity PII, Aggregation Thresholds, and k-Anonymity

• نگاشت حاکمیت Snowflake و Databricks Snowflake and Databricks Governance Mapping

نرده‌های حفاظتی: مهار ایجنت‌های خارج از کنترل Guardrails: Containing the Runaway Agent

• کوئری آخر هفته ۴۰ هزار دلاری The 40,000 Dollar Weekend Query

• محدودیت هزینه کوئری، Timeouts و سقف نتایج Query Cost Limits, Timeouts, and Result Caps

• به‌صورت پیش‌فرض فقط خواندنی، تاییدیه برای سایر موارد Read-Only by Default, Approvals for the Rest

• ردپای کامل حسابرسی (Audit Trail) The Full Audit Trail

چرا MCP: قرارداد استاندارد بین ایجنت‌ها و داده‌ها Why MCP: The Standard Contract Between Agents and Data

• از ادغام‌های سفارشی N در N به یک پروتکل واحد From N-by-N Custom Integrations to One Protocol

• ابزارها، منابع و پرامپت‌ها Tools, Resources, and Prompts

• جایگاه MCP در مقابل لایه معنایی Where MCP Sits vs the Semantic Layer

• تغییرات مشخصات: پایدار در مقابل موقت The Spec Is Moving: Durable vs Temporary

ساخت سرور MCP انبار داده تحت حاکمیت Build a Governed Warehouse MCP Server

• اولین سرور MCP شما Your First MCP Server

• بسته‌بندی لایه معنایی به عنوان ابزار (Tools) Wrapping the Semantic Layer as Tools

• سرورهای رسمی در مقابل ساخت سرور شخصی Official Servers vs Rolling Your Own

• طراحی ابزار برای LLMها Tool Design for LLMs

• تست با یک کلاینت ایجنت واقعی Test With a Real Agent Client

تصمیمات معماری MCP MCP Architecture Decisions

• محلی در مقابل دور، یک سرور در مقابل چندین سرور Local vs Remote, One Server vs Many

• انتخاب‌های انتقال (Transport) و احراز هویت Transport and Auth Choices

• جزئیات ابزار: پروکسی نازک در مقابل ابزارهای معنایی ضخیم Tool Granularity: Thin Proxy vs Thick Semantic Tools

• ستون فقرات تصمیم‌گیری MCP The MCP Decision Spine

ایمن‌سازی MCP Securing MCP

• مشکل معاون گیج (Confused Deputy) The Confused-Deputy Problem

• انتشار هویت کاربر و محدوده‌ها (Scopes) Per-User Identity Propagation and Scopes

• رازها، ایزولاسیون چند مستاجری و محدودیت نرخ (Rate Limits) Secrets, Multi-Tenant Isolation, and Rate Limits

• تست نفوذ روی سرور خودتان Pen-Test Your Own Server

از یک کوئری تا تحلیل‌های ایجنتی From One Query to Agentic Analytics

• استدلال تک‌مرحله‌ای در مقابل چندمرحله‌ای Single-Shot vs Multi-Step Reasoning

• حلقه نقد کوئری و برنامه ریزی The Plan-Query-Critique Loop

• حافظه و کانتکست گفتگو Memory and Conversation Context

• سوالات چند متریکی و چند مرحله‌ای Multi-Metric, Multi-Step Questions

• دیباگ: ایجنت در حلقه افتاد یا تسلیم شد Debug: The Agent Looped or Gave Up

الگوهای ایجنتی (و زمان‌هایی که نباید از آن‌ها استفاده کرد) Agent Patterns (and When NOT to Use Them)

• BI محاوره‌ای Conversational BI

• ایجنت‌های زمان‌بندی شده و Trigger شده Scheduled and Triggered Agents

• نوشتن مجدد و اکشن‌ها: منطقه خطر Write-Back and Actions: The Danger Zone

• انتخاب الگو Pattern Selection

مشاهده‌پذیری: ردیابی پاسخ‌های غلط Observability: Trace the Wrong Answer Back

• ردیابی کامل (Full Trace) The Full Trace

• لاگ‌گذاری و ردیابی استک Logging and Tracing the Stack

• مانیتورینگ هزینه و تاخیر (Latency) Cost and Latency Monitoring

• کلینیک دیباگ: سه پاسخ غلط Debug Clinic: Three Wrong Answers

مقاوم‌سازی تولید و مشکل Drift Production Hardening and the Drift Problem

• انحراف معنایی (Semantic Drift) Semantic Drift

• کشینگ و تاخیر Caching and Latency

• قابلیت اطمینان، جایگزین‌ها (Fallbacks) و استقرار ایمن Reliability, Fallbacks, and Safe Rollout

• دفترچه راهنمای عملیات The Operations Runbook

پروژه نهایی: عرضه و دفاع از لایه معنایی قابل کوئری Capstone: Ship and Defend an Agent-Queryable Semantic Layer

• بریف: عملیاتی شدن Meridian در سطح شرکت The Brief: Meridian Goes Live Company-Wide

• ساخت: از مدل تا مستندسازی، حاکمیت و MCP Build: Model to Grounding to Governance to MCP

• ارزیابی و مقاوم‌سازی Evaluate and Harden

• روبریک دفاع ۸ بعدی The 8-Dimension Defense Rubric

• نقشه راه شما از اینجا به بعد Your Roadmap From Here

کوییزهای هر بخش (مرور اختیاری) Module Quizzes (Optional Review)

• بررسی بخش ۱ Module 1 Check

• بررسی بخش ۲ Module 2 Check

• بررسی بخش ۳ Module 3 Check

• بررسی بخش ۴ Module 4 Check

• بررسی بخش ۵ Module 5 Check

• بررسی بخش ۶ Module 6 Check

• بررسی بخش ۷ Module 7 Check

• بررسی بخش ۸ Module 8 Check

• بررسی بخش ۹ Module 9 Check

• بررسی بخش ۱۰ Module 10 Check

• بررسی بخش ۱۱ Module 11 Check

• بررسی بخش ۱۲ Module 12 Check

• بررسی بخش ۱۳ Module 13 Check

• بررسی بخش ۱۴ Module 14 Check

• بررسی بخش ۱۵ Module 15 Check

• بررسی بخش ۱۶ Module 16 Check

• بررسی بخش ۱۷ Module 17 Check

• بررسی بخش ۱۸ Module 18 Check

• بررسی بخش ۱۹ Module 19 Check

• بررسی بخش ۲۰ Module 20 Check

• بررسی بخش ۲۱ Module 21 Check

• بررسی بخش ۲۲ Module 22 Check