数据血缘
数据血缘是数据治理的核心概念，指数据从产生到消费的完整流转路径，记录数据经历的系统和转换过程，用于支持监管审查、数据质量管理和故障溯源
核心事实
时间轴 (近 90 天)
在AI智能体场景中，数据血缘需要细化到每一次模型调用所读取的数据集、存储位置、传输路径和驻留司法管辖区。
数据血缘记录从原始数据源到最终报表或决策的每一层转换关系，版本管理确保数据表、特征定义和模型工件都能回溯到具体时点
血缘优先的管线要求每条合成样本附带manifest，包含生成模型checkpoint哈希、prompt模板版本、采样参数、过滤器身份与阈值、种子来源以及批次接受/拒绝率。
数据血缘概念源自数据仓库与数据治理领域，典型实现包括ETL管线的DAG、run id、输入输出哈希和版本快照。
数据血缘指追踪每个数据指标从原始来源到最终呈现的完整路径，包括它经过哪些系统、哪些转换、哪次缓存；在 AI 代理场景下必须回答数字由哪个系统权威产生、经过多少延迟或缓存、谁对正确性负责三个问题。
这种设计在数据工程领域通常称为数据血缘（data lineage）或提取溯源（extraction provenance）
数据血缘能够追踪数据从源头到最终消费的全链路，当上游表发生变更或质量问题时帮助快速定位影响范围
Unity Catalog的血缘追踪在列级别（Column-level Lineage）实现可见性
企业引入AI生成报告工具时，建立人工复核机制和数据血缘追踪是防范误导性输出风险的必要配套措施
数据血缘追踪记录数据从源头到消费的完整流转路径,帮助理解指标计算方式、依赖的上游数据源和业务逻辑转换
全部知识事实 (10)
数据血缘追踪记录数据从源头到消费的完整流转路径,帮助理解指标计算方式、依赖的上游数据源和业务逻辑转换
75%待验证在AI智能体场景中，数据血缘需要细化到每一次模型调用所读取的数据集、存储位置、传输路径和驻留司法管辖区。
50%待验证数据血缘记录从原始数据源到最终报表或决策的每一层转换关系，版本管理确保数据表、特征定义和模型工件都能回溯到具体时点
50%待验证数据血缘概念源自数据仓库与数据治理领域，典型实现包括ETL管线的DAG、run id、输入输出哈希和版本快照。
50%待验证血缘优先的管线要求每条合成样本附带manifest，包含生成模型checkpoint哈希、prompt模板版本、采样参数、过滤器身份与阈值、种子来源以及批次接受/拒绝率。
50%待验证数据血缘指追踪每个数据指标从原始来源到最终呈现的完整路径，包括它经过哪些系统、哪些转换、哪次缓存；在 AI 代理场景下必须回答数字由哪个系统权威产生、经过多少延迟或缓存、谁对正确性负责三个问题。
50%待验证这种设计在数据工程领域通常称为数据血缘（data lineage）或提取溯源（extraction provenance）
50%待验证Unity Catalog的血缘追踪在列级别（Column-level Lineage）实现可见性
50%待验证数据血缘能够追踪数据从源头到最终消费的全链路，当上游表发生变更或质量问题时帮助快速定位影响范围
50%待验证企业引入AI生成报告工具时，建立人工复核机制和数据血缘追踪是防范误导性输出风险的必要配套措施
50%