open-semantic-interchange.org

是什么

Open Semantic Interchange（OSI）是一个面向分析、AI 与 BI 生态的开放语义元数据交换规范，目标是用厂商中立的方式定义指标、维度、字段、数据集和关系，让不同工具共享同一套业务语义。它不是传统意义上的 IDE 插件或 SaaS 开发工具，而是更偏底层标准与生态协作项目。

核心能力

OSI 使用声明式 YAML 配置来描述 semantic model，例如数据集、主键、字段、时间维度和指标表达式。正文示例中指标表达式可使用 ANSI_SQL。其核心价值是减少各个 dashboard 或数据工具中重复定义“Revenue”等指标带来的口径漂移，并为 LLM 和 AI Agent 提供可信的业务语义上下文。规范定义的核心类包括 Semantic Model、Datasets、Fields、Metrics、Dimensions 与 Relationships。

开源、生态与文档

OSI 明确标注为 Apache 2.0 Open Source，并强调 100% Vendor Neutral。生态阵容较强，工作组成员覆盖 Snowflake、Databricks、dbt Labs、DataHub、Cube、Lightdash、Metabase、Oracle、Salesforce、Mistral AI 等多个数据、BI、治理与 AI 厂商。官网提供 Specification 与 GitHub 入口，也鼓励提交 PR、讨论和贡献转换器、校验器等工具。不过从抓取正文看，API/SDK、命令行工具、验证器成熟度和落地指南尚未展开。

定价与优缺点

定价方面，正文未提及商业计划；作为 Apache 2.0 开源规范，使用规范本身应无授权费用。优点是开放、中立、适合版本化管理，并且对 AI grounding 和跨平台语义互操作有清晰定位。局限在于它目前呈现为规范与社区倡议，实际效果依赖各平台原生支持程度；对终端开发者而言，可能还需要等待转换器、校验器和平台集成完善。

适合谁与中国访问

OSI 适合数据平台团队、指标治理负责人、BI/语义层厂商、数据目录厂商，以及构建数据 Agent 的开发者关注。若企业已经遇到多 BI、多数据栈下的指标口径不一致问题，OSI 值得跟踪。中国访问情况正文未提供，官网和 GitHub 的实际可达性需以本地网络为准；替代或相关方案包括 dbt Semantic Layer、Cube、LookML、MetricFlow、AtScale 和 GoodData 语义层。