行业调研报告·INDUSTRY RESEARCH REPORT软件，正在被重新定义AI 时代传统软件范式变迁全景调研开发 · 产品 · 商业 · 格局（2022–2026）—— 从确定性逻辑与席位订阅，到概率性智能与结果计费 ——报告视角：产品 / 商业团队覆盖维度：开发范式 · 产品架构 · 商业模式 · 行业格局地域口径：全球为主线 · 中国市场对照完成日期：2026 年 5 月撰写人：数幄科

AI / Agent 接入难：数据治理是 LLM 落地的反向 KPIWhy LLM Applications Fail in Power Equipment Manufacturing—— 电力装备制造业数据治理系列 · Vol.1 · 07摘要2023-2025 年 LLM 与 AI Agent 技术飞速发展，制造业普遍希望「用 LLM 帮我查数据 / 做报价 / 写文档」。但实际落地中，多数

本文系统探讨了Cardinality估算方法在电力装备制造业数据治理中的工程选择。研究发现Cardinality估算误差是查询优化失败的主因（占90%），现有方法存在多列关联估算不准、JOIN误差累积等痛点。通过对比直方图（Q-error中位数3.5）、MCV（2.4）、采样（1.8）和深度学习MSCN（1.3）四种方法，提出分阶段实施路径：先优化直方图，再引入采样，最后试点Learned模型。工

本文探讨了LLM与外部系统接口范式从Text-to-SQL向FunctionCalling的转变。通过对比两种范式的接口契约、失败模式和安全模型，指出FunctionCalling采用强类型JSONSchema的结构化对象输出，具有权限合规性高、幻觉率低、可解释性强等优势。文章详细分析了JSONSchema设计原则、大规模工具集下的选择策略，并提出5层安全模型。实验显示FunctionCallin

本文提出SemanticPlan作为LLM与数据系统交互的第三种范式，通过预定义JSONSchema实现安全高效的查询接口。相比Text-to-SQL和FunctionCalling，SemanticPlan结合了SQL的表达力与JSONSchema的安全性，LLM生成语义层中间表示（IR）后由Compiler编译为方言SQL。文章详细阐述了9字段JSONSchema设计、5道验证防线（Schem

本文提出SemanticPlan作为LLM与数据系统交互的第三种范式，通过预定义JSONSchema实现安全高效的查询接口。相比Text-to-SQL和FunctionCalling，SemanticPlan结合了SQL的表达力与JSONSchema的安全性，LLM生成语义层中间表示（IR）后由Compiler编译为方言SQL。文章详细阐述了9字段JSONSchema设计、5道验证防线（Schem

AI / Agent 接入难：数据治理是 LLM 落地的反向 KPIWhy LLM Applications Fail in Power Equipment Manufacturing—— 电力装备制造业数据治理系列 · Vol.1 · 07摘要2023-2025 年 LLM 与 AI Agent 技术飞速发展，制造业普遍希望「用 LLM 帮我查数据 / 做报价 / 写文档」。但实际落地中，多数

摘要：Anthropic于2024年发布的Model Context Protocol（MCP）旨在标准化LLM与外部系统的集成，解决不同厂商私有协议导致的N×M对接问题。MCP采用三层架构（Capabilities/Messages/Transport）和四层安全模型（Capability/Consent/Sandbox/Audit），通过JSON-RPC实现跨厂商兼容。实验显示，MCP在25+

本文探讨了LLM与外部系统接口范式从Text-to-SQL向FunctionCalling的转变。通过对比两种范式的接口契约、失败模式和安全模型，指出FunctionCalling采用强类型JSONSchema的结构化对象输出，具有权限合规性高、幻觉率低、可解释性强等优势。文章详细分析了JSONSchema设计原则、大规模工具集下的选择策略，并提出5层安全模型。实验显示FunctionCallin

电力装备制造业普遍存在主数据混乱问题，同一物料在不同系统中存在多套编码（如ERP、MES、CRM等系统各有命名规则），客户主数据重复率高达30%以上。这导致跨系统报表错误率5-10%、决策延迟3-7天、AI应用幻觉率高等问题。根源在于历史系统建设路径依赖和字段标准缺失。解决方案包括建立L2元数据治理层，通过字段标准化、业务字典（Glossary）和数据血缘实现主数据对齐，采用AI辅助+人工审核的协