能够获取并信赖高质量的组织数据，有助于全球经济中做出更明智的决策。正因如此，GLEIF发布了广泛的可信信息，涵盖全球LEI索引、统计数据、报告、治理政策、新闻等诸多内容。
然而，由于信息分散在应用程序接口（API）、数据库、文档和网页中，对于寻求快速可靠答案的部分用户而言，在这些不同的入口点之间进行导航可能既困难又耗时。
这一质疑数据——以及让 GLEIF 的可信信息更易于被外部 AI 解决方案所获取的机遇——推动了 GLEIFAI 搜索 的开发。这项新功能通过将对话式界面与结构化检索管道相结合，简化了信息发现流程并提升了可访问性，从而彻底改变了用户与复杂、分布式数据交互的方式。
该功能还以信任为核心，提供清晰且来源可靠的答案，让用户能够放心依赖。近期调查显示，当AI生成的答案基于高质量底层数据、附有透明的来源引用并包含清晰解释时，用户对其信任度最高。这进一步凸显了GLEIF在提供可靠、结构化数据方面的关键作用，这些数据能够支持值得信赖的AI驱动型信息发现。
这呼应了GLEIF在《Metric in Motion》博客中探讨的关于佐证的主题 。在人工智能驱动的数字经济中，信任不仅取决于能否获取数据，还取决于是否了解数据的来源、验证方式，以及能否追溯到权威参考资料。GLEIF AI Search将这一原则应用于信息发现，帮助用户从零散的信息中获取更易于理解、验证和使用的答案。
工作原理
GLEIF AI Search 是一个由三个核心层无缝协作组成的协调系统：
1.聊天界面：
聊天界面是 GLEIF AI Search 的用户交互层。它提供简洁、直观且对话式的交互方式，让用户能自然地与系统互动，并从多种助手模式中进行选择：智能模式、网站与文档、新闻与更新、数据与统计，以及 LEI 记录。每种模式都针对特定类型的查询或任务进行优化，确保交互既能根据用户意图提供引导，又能灵活适应需求。
2.协调层：
用户界面背后是协调层，该层负责处理每个用户查询。它会激活所选的助手模式，将请求路由至大型语言模型，并协调必要工具以检索和验证相关信息，最终提供响应。
关键在于，该层并非孤立运行。它通过动态协作，确保答案不仅由模型独立生成，更融合了来自各类连接器的相关数据、文档及网络内容。这种协同机制将模型输出转化为具有情境感知能力的可靠答案。
3.连接器（MCP 服务器）：
连接器在编排层与底层数据及内容源之间架起桥梁。这些连接器以 MCP（模型上下文协议）服务器的形式实现，使系统能够以结构化、可复用的方式访问并交互外部数据源。它们确保 GLEIF AI 搜索不仅限于静态知识，还能利用来自 GLEIF 数据、应用程序接口（API）、文档及网络内容的最新相关信息。当前可用的连接器包括：
网页搜索与抓取：使AI能够搜索、检索并处理GLEIF网站（gleif.org）上的内容。这支持关于GLEIF活动、新闻、二十国集团（G20）治理及一般信息的查询。
文档搜索：连接基于向量技术的搜索系统，该系统构建于GLEIF官方文档集合之上，例如政策文件和治理框架。当问题涉及这些文档中的内容时，AI可进行检索并引用相关段落。
GLEIF API 连接器： 直接集成 GLEIF 官方公开 API，提供对全球 LEI 索引的实时访问。这使 AI 能够通过 LEI 查询单个实体，按名称搜索实体，并检索详细的注册信息和关联数据。
LEI 统计连接器：链接至与全球 LEI 系统相关的汇总统计数据。它使系统能够查询结构化分析数据，例如各国有效 LEI 数量、随时间推移的发放趋势、增长率，以及按实体类型或管辖区域的分布情况。
重要的是，这些 MCP 服务器采用模块化设计，具备可复用性和互操作性。它们还可集成到 ChatGPT、Claude 等外部 AI 环境中。 GLEIF已基于这些能力定义了相应技能，已将其发布在GLEIF网页 上。展望未来，GLEIF计划通过增加更多MCP服务器来扩充可用连接器的数量，进一步增强系统能力，并满足更广泛的用户需求。
GLEIF AI的优势
GLEIF AI Search及其相关连接器的设计旨在让LEI和GLEIF信息更易于访问、理解和使用，从而为全球数据用户带来显著益处：
释放AI搜索的潜力
随着人工智能驱动的搜索技术持续演进，其真正价值将不仅体现在速度或便利性上。关键在于能否持续提供基于可靠、来源透明且与上下文相关的数据所支撑的答案。
GLEIF AI Search 展示了如何通过将可信数据与智能检索机制相结合来满足这些要求，从而使复杂信息更易于获取和使用。通过将用户问题与官方数据、文件及网络内容关联，它将分散的信息转化为更易于理解、验证和付诸行动的答案——从而强化了作为数字创新基石的可靠性和数据完整性。
展望未来，这种方法可支持 GLEIF 数据在不同 AI 环境中的更广泛应用。通过使信息更易获取、更透明且更可验证，GLEIF AI Search 有助于增强对数字系统的信任，并支持更明智的决策制定。
如果您希望对博文进行评论，请使用您的姓名来识别自己。您的姓名将显示在您的评论旁。不会公布电子邮件地址。请注意，访问讨论区或在其中发帖即表示您同意遵守GLEIF 博客政策条款，因此请仔细阅读该条款。
Zornitsa Manolova 是 Global Legal Entity Identifier Foundation (GLEIF) 数据质量管理和数据科学团队的领导者。自 2018 年 4 月起，她负责通过引入创新的数据分析方法来加强和改进既定的数据质量和数据治理框架。在此之前，Zornitsa 曾在普华永道法证部门负责管理国际金融调查的法证数据分析项目。她拥有德国马尔堡菲利普大学的计算机科学专业学位，主修机器学习。
