AI会找数据还不够，联合国开放平台把“来源”也接进Agent
内容提要
联合国与谷歌上线UN System Data Commons，通过知识图谱连接分散的统计数据，并支持Agent经MCP取数。其关键价值是保留来源元数据，使每个数字可追溯机构、年份与统计口径。文章提醒避免混淆变量与来源，应保存查询参数和facet，先固定问题再生成结论，不可直接比较不同口径数据。
延伸解读
为什么“来源”比“答案”更重要
文章强调，UN System Data Commons 的核心价值不是让 AI 直接给出数字，而是把来源元数据保留在数据链中。每个观测值都关联 facet，记录数据集、出处网址、测量方法、单位和缩放系数。这意味着当 AI 回答“哪些国家清洁水改善最快”时，读者可以追溯每个数字到具体机构、年份和统计口径。对于开发者，这提醒我们：构建数据 Agent 时，不能只输出最终数值，必须同时暴露来源信息，否则一旦数据异常，无法判断是修订、来源变化还是代码错误。
MCP 是取数接口，不是事实判定器
文章指出，Data Commons 的托管 MCP 服务允许兼容客户端搜索指标和观测值，并把查询技能作为资源提供。但 MCP 统一的是工具发现和调用，并不保证事实正确。AI 仍可能选错变量、地区或年份。官方文档也说明，目前 MCP 不支持非地理自定义实体、事件、完整图关系探索，也不直接返回图形格式。因此，它适合统计查询，而非任意知识库的万能接口。开发者应把 MCP 视为取数通道，而非自动审核层。
避免四个常见误区
文章列出四个误区：第一，把自然语言问题直接映射成一个变量，例如“就业质量”可能对应多个指标，Agent 必须展示选择；第二，看到官方来源就忽略时间与单位，年度值、月度值和缩放数值不能直接比较；第三，只保留最终数字，不保留 facet，导致无法排查异常；第四，把 MCP 理解为自动保证事实正确。这些误区提醒我们，数据 Agent 的可靠性依赖于对变量、时间和来源的显式管理，而非模型流畅度。
工程实践：先固定问题，再生成结论
文章建议，正确顺序是先固定问题、实体范围和变量定义，查询后检查缺失值与来源差异，最后才让模型组织语言。若两个地区来自不同年份或不同测量方法，系统应停止生成排名，改为展示“不可直接比较”的原因。生产应用还应保存抓取时间、查询参数、原始响应摘要和 facet 标识，并为定期更新设置差异阈值。面向用户的界面最好同时显示“数据年份”和“本次获取时间”，避免把旧统计值包装成实时数据。
Q&A
UN System Data Commons是什么？它和普通数据平台有什么不同？
UN System Data Commons是联合国与谷歌于9月17日上线的开放平台，基于开源Data Commons，将不同机构的指标、时间与地理边界连接成知识图谱，提供自然语言检索、可视化和AI助手能力。其关键区别在于把来源元数据保留在数据链中，使每个数字可追溯机构、年份、统计口径和原始数据集，并允许Agent通过MCP取数。
Data Commons里的实体、统计变量、观测值和facet分别指什么？
实体指中国、某省或某城市等对象；统计变量描述“测什么”，如人口或预期寿命；观测值把实体、变量、日期和值连起来；facet是来源切面，记录数据集、出处网址、测量方法、单位和缩放系数。同一个指标可能有多个机构、多个方法和多个时间粒度，不能默认只有唯一正确版本。
Data Commons的MCP服务能做什么？它是否保证事实正确？
MCP是Model Context Protocol，Data Commons的托管MCP服务位于https://api.datacommons.org/mcp，可让兼容客户端搜索指标和观测值，也把查询“技能”作为资源提供。它是取数接口，不是事实判定器，AI仍可能选错变量、地区或年份。目前MCP不支持非地理自定义实体、事件、完整图关系探索，也不直接返回图形格式。
使用Data Commons时常见的误区有哪些？
常见误区包括：把自然语言问题直接映射成一个变量，而忽略就业质量等可能拆成多个指标；看到官方来源就忽略时间与单位，年度值、月度值和经缩放数值不能直接拼图；只保留最终数字不保留facet，导致图表异常时无法判断原因；把MCP理解为自动保证事实正确，它不替代领域审核。
如何用Python构建可审计的Data Commons数据管线？
先执行pip install datacommons-client，将申请的密钥放入环境变量DATA_COMMONS_API_KEY。示例查询美国人口时间序列并输出facet元数据：使用DataCommonsClient，调用observation.fetch，指定variable_dcids、entity_dcids、date='all'，select包含date、entity、variable、value、facet，然后遍历orderedFacets打印最新日期、值和facet的importName、provenanceUrl。密钥不进入源码。
在生产应用中使用Data Commons数据时，应该保存哪些信息？
应保存抓取时间、查询参数、原始响应摘要和facet标识，并为定期更新设置差异阈值。如果同一历史年份的数值突然变化，先检查来源修订，而不是自动重写图表。面向用户的界面最好同时显示“数据年份”和“本次获取时间”，避免把旧统计值包装成实时数据。
Data Commons适合哪些场景？不适合哪些场景？
适合公共政策、新闻数据、研究辅助和跨地区指标对比，也适合让Agent先取数、再由人审核。不适合用同一变量替代专业因果研究，更不能把不同来源的最近值拼成一个看似同步的排行榜。
