技术博客
这里收录 Foggy Data MCP / Foggy Odoo Bridge 相关的技术文章。博客文章用于解释工程观点、架构取舍和生产边界；白皮书仍以 LLM 语义层引擎白皮书 为准。
系列入口
已发布文章
- AI 查询 ERP 数据库时，为什么不该默认让模型写 SQL
- MCP 只是传输协议，企业数据安全边界应该在工具设计里
- 从 Odoo record rules 看 AI 数据查询的权限治理
- raw schema 不是业务授权模型：AI 数据访问为什么需要语义层
- 企业 AI 问数的澄清与拒绝：比“回答一切”更重要
- 生产级 AI 查询需要 audit 和 provenance，而不只是一个答案
- 语义查询能力应该分层承诺：DSL、Semantic SQL、CTE 与小结果二次分析
- Odoo AI 问数的部署边界：Community、Pro 与 self-hosted 应该怎么讲
- 给业务系统接 AI 工具前，先定义有效用户上下文
- AI-driven analytics 不能只靠 LLM + SQL：指标口径、权限和复核流程缺一不可
后续方向
第一批技术博客已经覆盖 raw SQL、MCP tool boundary、Odoo 权限、语义模型、澄清/拒绝、审计、部署边界、用户上下文和指标治理。
后续可以继续展开：
- Odoo 多公司 / 多租户 AI 查询的工程细节；
- 语义模型版本管理和灰度发布；
- AI 查询结果的缓存、预聚合和性能边界；
- 从只读问数到受控业务动作的 tool design。
写作边界
- 不把 Foggy 描述为任意 SQL 生成器。
- 不承诺绕过宿主系统权限。
- 不承诺自动写回业务数据。
- 不把 MCP 协议本身等同于数据安全。
- 不把 Community 和 Pro 的采用边界写模糊。