从问题优先到分析师优先：主动企业分析的领域专家技能和经过验证的知识编译

arXiv:2608.28594v1 公告类型：新 摘要：会话分析系统假设用户已经提出了格式良好的问题，从而使非专家在不熟悉的企业模式上面临空白查询框。商业“主动”工具只能通过检测分析师策划的指标层上的统计异常来缩小这一差距，而学术下一个问题推荐器则依赖于新数据集所缺乏的查询日志。我们描述了一个生产分析系统，该系统通过两个耦合的架构思想将交互模型从问题优先转变为分析师优先。首先，可插入的领域专家“技能”抽象：基于文件夹、无数据库的主题包（清单、每阶段提示方面、关键字路由引用、报告模板和可选计算）通过确定性模式匹配按（客户端、数据集）自动选择，并作为横切关注点拼接到代理管道、模式浏览器和报告引擎的每个阶段，在不存在时降级为严格的无操作。因为技能是一个确定性解决的独立文件夹，所以目录是开放式的：一个可扩展的领域专家市场。其次，离线知识编译循环：代理通过 DuckDB（生产零负载）探测数据集的 parquet，通过自我修复重试运行批评者控制的每表收敛，并通过值重叠进行数据验证连接，生成持久的模式知识，驱动常设专家报告，通过重新执行其证据 SQL 来重新验证其每个发布的指标，以及反映报告议程的建议问题。这些形成了一个主动循环：报告表面数字、数字种子问题，然后单击即可启动经过验证的深入研究，所有这些都在使用查询框之前进行。我们给出了一个正式的模型并报告了说明性的单租户证据。我们不做任何用户研究或基准声明；贡献在于架构及其防御性。