AI 原生，從資料與執行架構開始。

Agentic：讓需求、資料語意與授權工具共同運作。

ABI（Agentic Business Intelligence）以 AI 代理連接自然語言需求、企業資料定義、專屬技能與授權工具，依流程框架產生表單、報表或 APP，並透過受控服務執行工作。模型負責理解與生成，服務端負責授權、資料存取及實際執行；可執行範圍由已配置的工具、權限與業務規則決定。

業態專屬技能：把行業知識，轉成 AI 的工作能力。

技能定義特定工作需要的知識、指引與工具使用方式。前進部署工程師可依零售、餐飲、服飾、寵物或生鮮等業態，整理專屬術語、營運指標與作業方法，再依助理角色及任務配置技能包。

• 業態知識：整理商品分類、資料字典、計算口徑與常見業務情境。
• 角色任務：依門市、營運、管理等角色，設計工作指引與可用工具。
• 持續優化：透過實際案例驗證技能內容，再隨企業流程調整與維護。

企業流程框架：讓 AI 遵循企業的工作方法。

AI 執行框架（Harness）將任務步驟、輸出結構、檢核規則與協同技能組織成可管理的生成依據。工程師可將企業作業標準與專屬格式納入框架，讓表單、報表與 APP 的生成更貼近企業要求。

• 技能回答「這項工作怎麼做」，框架定義「依什麼步驟、交付什麼成果」。
• 依任務綁定適用技能包，使用經驗證、發布且啟用的框架與技能內容。
• 以資料契約、格式與驗證規則檢查生成成果；實際資料操作仍由服務端權限與工具規則控制。
• 需要簽核、狀態轉換或跨系統操作時，由工程師配置對應流程與介面，逐項驗收。

使用者入口、雲端協作、地端執行分工清楚。

使用者透過瀏覽器或 LINE 進入適用功能。AbiAssistant 負責地端資料連線、生成設計與工具執行；AbiAsstAPI 承擔雲地訊息與部署協作；AbiGenApp 承載 APP 登入、介面與固定 Runtime API。

• APP Runtime 不直接連線企業目標業務資料庫。
• 模型可依任務與環境配置本地或雲端服務；可用性取決於模型能力、硬體及設定。
• 雲端同步資料、上下文與必要通訊分別定義，不能以「資料全不出地端」概括。

為 AI 工作準備可理解、可驗證的資料結構。

Schema 保存實際結構，Mapping 表達業務功能，Runtime metadata 定義執行時可用的操作。APP 主檔、設計快照與發布執行設定各自保存，讓生成、設計變更與線上操作有清晰界線。

• DbStructure 管理資料表與欄位規則，SyncRule 管理需要同步的內容。
• Adapter / Connector 處理 Provider 差異，產品層保有業務規則。
• 目標資料庫、APP 與 Snapshot 的連線範圍明確，不以同名資料表推測資料來源。

交易一致性，是商業操作的基本要求。

需要整批一致的資料操作，在同一個資料庫 Transaction 內全部提交；任一步驟失敗時完整 Rollback，現行資料保持不變。不同資料庫的各自提交，不宣稱是同一筆 Transaction。

• 使用型別化參數及受控欄位與操作範圍。
• SQLite 的可重試狀態、次數、等待與取消由共用資料服務統一處理。
• 提交狀態不明、Rollback 失敗及跨系統外部副作用需明確回報，不盲目重送。