SAP CDS Knowledge Base Data

这是一个纯数据仓库，用于存储SAP CDS知识库的数据，包含7,304个SAP S/4HANA发布的CDS视图，每个视图以Markdown文件格式存储，具有YAML前置元数据、字段、关联和DDL源代码。数据集中还包括预构建的MiniSearch搜索索引、业务线和业务对象分类以及版本清单。所有视图都经过双语语义增强，提供英语和越南语的语义描述及关键词，以支持自然语言搜索。This is a dedicated pure data warehouse for storing data from the SAP CDS knowledge base. It contains 7,304 CDS views released as part of SAP S/4HANA, with each view stored in Markdown file format and equipped with YAML frontmatter metadata, fields, associations, and DDL source code. The dataset also includes pre-built MiniSearch search indexes, business line and business object classifications, as well as version manifests. All views have been enhanced with bilingual semantic support, providing semantic descriptions and keywords in both English and Vietnamese to facilitate natural language search.

原始信息汇总

数据集概述：cds-kb-data

该数据集是 SAP CDS Knowledge Base 的纯数据仓库，为 cds-kb-mcp MCP 服务器提供只读数据。

核心内容

• SAP S/4HANA CDS 视图文件 (views/)：包含 7,304 个已发布的 SAP S/4HANA CDS 视图，每个视图为一个 Markdown 文件。每个文件包含 YAML 前言（含元数据）、字段、关联和 ABAP DDL 源代码。
• 搜索索引 (index/search_index.json)：基于 MiniSearch (BM25) 的预构建搜索索引，约 5.7 MB，自描述（携带搜索配置选项）。
• 分类法 (index/taxonomy.json)：包含 12 个业务线和 829 个业务对象的分类法，带有关键词/同义词。
• 版本清单 (index/version.json)：约 200 字节的小文件，包含提交哈希、构建时间、视图数量等信息，用于缓存失效检测。

数据特点与增强

• 完全的双语义丰富：全部 7,304 个视图均已添加 semantic_en（英文商务语义描述）、semantic_vi（越南语自然语言翻译）和 keywords（越南语关键词），支持越南语自然语言搜索。这些字段由 LLM 生成，严格基于现有元数据。
• 视图文件结构：每个 Markdown 文件结构清晰，包含 name（视图名）、description（描述）、semantic_en、semantic_vi、keywords、app_component（应用组件）、software_component（软件组件）、release_state（发布状态）和 tags（标签）等元数据。

数据使用与更新机制

• 数据消费：MCP 服务器在运行时从本仓库读取三个核心路径：index/version.json（启动时检查缓存）、index/search_index.json（缓存失效时下载）、views/<NAME>.md（按需获取）。
• 更新与CI/CD流程：任何对 views/ 目录下的 .md 文件或 index/taxonomy.json 的更改推送到 main 分支，都会触发 GitHub Actions 工作流，自动重建搜索索引并更新版本清单。
• 数据对客户端生效：MCP 客户端在下次会话启动时获取新的缓存失效探针，自动检测并下载最新数据，通常在 CI/CD 工作流完成后的数秒内即可生效。

关键统计数据

指标	数值
CDS 视图总数	7,304
已语义丰富的视图数量	7,304 (100%)
唯一 SAP 模块数量	31
业务线数量	12
分类法中业务对象数量	829
搜索索引大小 (磁盘)	约 5.7 MB
views/ 文件夹大小	约 80 MB (未压缩)

许可

内部使用。SAP CDS 视图元数据提取自公开的 SAP 文档。

搜集汇总

数据集介绍

构建方式

该数据集专门为SAP CDS知识库设计，以纯数据仓库形式存在。其核心包含7,304个SAP S/4HANA已发布的CDS视图，每个视图以独立的Markdown文件存储在`views/`目录中。视图文件采用统一的YAML前置元数据格式，涵盖视图名称、描述、语义双语字段（英文与越南文）、关键词、应用组件、软件组件和发布状态等结构化信息。基于这些元数据，项目通过CI/CD流水线自动构建搜索索引——`enrich_index.mjs`脚本利用MiniSearch库生成BM25全文索引（`search_index.json`），同时产出包含分类体系（12个业务领域、829个业务对象）的`index/taxonomy.json`文件和版本清单。任何对视图文件或分类的修改都会触发索引重建，确保数据更新与代码变更解耦。

使用方法

该数据集主要通过`cds-kb-mcp` MCP服务器供客户端消费。MCP服务器在启动时首先获取`index/version.json`进行缓存失效探测，若提交哈希与本地缓存不一致，则重新下载`search_index.json`全文搜索索引（约5.7MB，gzip传输约820KB）。随后，客户端可通过`search_cds`工具进行自然语言搜索（支持英文和越南文），或通过`get_cds_view`工具按视图名称获取单个Markdown定义文件。数据更新流程极为简洁：贡献者只需编辑`views/`下的Markdown文件或`index/taxonomy.json`并推送至主分支，GitHub Actions即自动触发索引重建和提交，无需人工干预。客户端在下次会话启动时自动同步最新数据，也可通过设置`CDS_KB_REFRESH=1`环境变量或清空`~/.cache/cds-kb/`缓存目录强制刷新。

背景与挑战

背景概述

SAP CDS Knowledge Base Data 数据集由开发者 truongdva2 创建，旨在为 SAP S/4HANA 系统的 7,304 个官方发布的核心数据服务（CDS）视图构建一个结构化的知识库。该数据集于2025年至2026年间逐步建立，其核心研究问题在于弥合技术元数据与业务用户自然语言查询之间的语义鸿沟。通过为每个视图提供英文和越南语的双语语义描述及关键词，并集成到基于 MiniSearch 的全文检索引擎中，该数据集显著提升了 SAP 数据检索的直观性与效率。作为 cds-kb-mcp MCP 服务器的数据源，它通过版本化的搜索索引和 CI/CD 自动化流水线，实现了数据更新的秒级全球同步，对 SAP 生态中的低代码开发和智能运维领域产生了重要影响。

当前挑战

该数据集面临的首要挑战是解决 SAP 领域内技术视图名称与业务用户非技术性查询之间的语义鸿沟，即如何让系统理解“采购订单”这样的自然语言描述而非仅识别技术标识符 I_PURCHASEORDERAPI01。为此，研究团队采用大语言模型为全部 7,304 个视图生成了双语语义标注与关键词，但这一过程需要确保生成内容准确匹配原有元数据，避免引入幻觉或错误。构建过程中的另一难题是设计无中断的 CI/CD 流水线，保证在数据编辑推送后，MCP 客户端能在下一次会话启动时自动检测版本变更并重新下载索引，这要求版本信息（如 commit SHA）与索引文件同步更新，并通过缓存失效策略实现高效的增量同步。

常用场景

经典使用场景

SAP CDS Knowledge Base Data 数据集作为 SAP S/4HANA 生态系统中核心数据模型的海量结构化知识库，其最经典的使用场景在于为基于大语言模型的智能问答系统提供精确、全面且实时更新的领域知识支撑。具体而言，该数据集通过将 7,304 个已发布的 CDS 视图以 YAML 前置元数据、字段定义、关联关系及 ABAP DDL 源代码的形式系统化整合，并辅以英文与越南语双语语义增强描述及业务关键词，使得检索增强生成（RAG）架构下的 AI 助手能够准确理解业务用户以自然语言（尤其是非英语语言）提出的复杂查询，例如“查找采购订单主表”或“获取物料管理中的采购申请视图”，从而显著提升企业级知识图谱与对话式数据分析系统的召回率与应答质量。

解决学术问题

该数据集有效解决了企业资源规划（ERP）领域长期存在的学术研究瓶颈，即异构、非结构化且缺乏语义标注的 SAP CDS 视图元数据难以被机器高效理解与利用的问题。通过为每一个 CDS 视图注入由大语言模型生成、严格基于现有元数据字段的双语语义描述与同义词关键词，该数据集构建了连接技术层（ABAP 表名、字段）与业务层（用户口语化查询）的语义桥梁。这一创新不仅填补了 SAP 官方文档中业务含义显式表达缺失的空白，也为自然语言处理、知识图谱构建、以及领域自适应问答系统等跨学科研究提供了大规模、高质量、带领域先验知识的基准数据，推动了非英语环境下企业级业务信息检索的理论与实践发展。

实际应用

在实际产业应用中，SAP CDS Knowledge Base Data 数据集最直接地赋能了基于 MCP（Model Context Protocol）协议的企业级 AI 辅助开发与运维工具，例如其配套的 `cds-kb-mcp` 服务器。当 SAP 顾问或开发者在 Claude Desktop、Claude Code 等环境中询问“哪个视图用于显示销售订单项的状态？”时，MCP 服务器通过实时查询该数据集构建的 BM25 全文索引，能够在毫秒级返回最匹配的 CDS 视图详情，包括其字段映射、关联关系与代码片段。这种能力极大地降低了 SAP 系统日常咨询与故障排查中对资深专家经验的依赖，加速了报表开发、数据迁移、合规审计等任务的执行效率，同时通过持续集成交付流水线保证了数据的新鲜度，使得知识库始终与 SAP 官方发布的版本保持同步。

数据集最近研究

最新研究方向

SAP CDS Knowledge Base Data 数据集的最新研究方向聚焦于将企业级SAP S/4HANA核心视图数据与知识工程深度融合，构建基于“数据+语义”双驱动的智能检索与自然语言交互体系。在全球数字化转型浪潮中，企业知识管理面临检索效率低下与多语言鸿沟的严峻挑战。该数据集突破性地为7,304个CDS视图建立了配套的自然语言语义标签系统，实现了越南语等非英语查询的精准理解，并利用MiniSearch引擎构建可实时更新的BM25检索索引。通过将语义创新与CI/CD自动化流程相耦合，该研究不仅强化了AI Agent对企业结构化数据的实时解析能力，更推动了复杂ERP知识从静态文档向智能对话式知识基座的范式跃迁，为工业级知识工程提供了可复用的方法论范本。