新闻专题 on DataAgentX

Data Agent 周报｜从 DACon26 看落地难题

Sun, 25 Oct 2026 00:00:00 +0000

覆盖北京时间 2026 年 10 月 18—24 日。本期重点是从 DACon26 北京站的 19 场分享中提炼六个工程问题，其余进展按产品与开源分类整理。

10 月 23—24 日，DataFun 主办 DACon26 北京站。下面的六个问题是从相关官方议题中归纳的，文中的点评为编辑技术分析，代表分享使用简题，完整官方题目与讲者见文末来源中的 DataFun 官方议程链接。

六个工程问题

① 模型运行：网关、路由与缓存

PPIO、敦煌网、LMCache 分别讨论网关、路由和缓存。三者的共同点是：模型不再是单次调用，而是一个需要调度、复用和成本控制的运行层。

选型要看完整任务的质量与成本，而不是单次推理的延迟。

② 企业语义：指标、业务对象与评测

蚂蚁、360、OceanBase 连接指标、业务对象与评测。语义资产既要能执行，也要持续维护——这两件事的难度不同，前者靠工程，后者靠归属。

③ 数据底座：从平台升级到研发交付

高德、OPPO、得物把数据平台的能力延伸到研发与分析交付。底座的价值不在于多存了多少数据，而在于能否支撑从发现问题到交付结果的全流程。

④ 数字员工：运行、协作与动作约束

阿里、腾讯、京东科技讨论 Agent 的运行、流程协作与动作约束。当 Agent 从“给建议”走向“执行动作”，约束机制的重要性超过能力本身。

⑤ 业务决策：洞察、研判与金融可信

快手、高德推进洞察与经营研判，蚂蚁、XTransfer 强调金融可信性。同一套技术，在金融场景里首先要回答的是“错了会怎样”。

⑥ 改进闭环：评测、错误定位与优化

高德、美团、润和软件连接评测、错误定位与优化手段。闭环的关键不是“能不能改”，而是“知不知道改哪里”。

我的判断

数据 Agent 落地，要把业务语义、执行边界和反馈循环接起来。

先找到失败发生在哪一环，再决定改知识、改工具，还是改模型。这个顺序很重要：如果失败来自语义缺失，换更强的模型只会让它更快地算错；如果失败来自权限设计，补知识也无济于事。

本周其他进展

腾讯云 DataBuddy 私有化版上线（10/19）

官方宣布支持私有化部署，以本体统一业务对象、指标和关系；通过脱敏与抽样沙箱验证数据任务。数据工程模块将接入、Schema 处理、清洗和作业编排封装为可组合 Skills。操作、资产、数据三层权限沿用用户身份，查询和执行保留审计记录。

yimindev DatI v0.9.0（10/23）

引入 schema_scope，将数据源授权、元数据发现和 MCP 暴露从整库细化到 Schema。list_tables 合并导入表和授权 Schema 中的物理表，按 Schema 与表名去重，导入元数据优先，并设置物理表发现数量上限。

Data Agent 周报｜国内外团队在补什么？

Sun, 18 Oct 2026 00:00:00 +0000

覆盖北京时间 2026 年 10 月 11—17 日。这一周先看 4 条国内动态，再看全球进展。

整理下来，10 条消息指向同一个方向：Data Agent 的竞争正在从“能不能回答”转向“能不能持续、可信地参与工作”。具体表现为应用可复用、上下文可继承、语义先于执行、验证内建在流程里。

国内：把分析路径变成可复用资产

01 阿里云 Quick BI：归因思路与作品复用（10/13）

v7.0.1 新增指标拆解树与拆解公式链，图表可保存自定义归因思路；AI 报表支持协同编辑，作品广场让报表、报告和 HTML 看板在组织内复用。

意义在于：分析路径可以随图表沉淀，业务团队能接着修改和使用 Agent 生成的作品，而不必每次从零开始。

02 衡石科技：沿现有看板继续分析（10/12）

Data Agent 沿当前看板的指标、筛选与时间范围继续追问，辅助图表和指标创作；查询、编辑、保存分别管理。

这类“看板上下文”的设计解决了一个具体问题：连续追问时，哪些指标与过滤条件被继承、替换或新增，必须明确。否则追问越多，口径漂移越远。

03 大应科技：业务语义先于执行（10/15）

Aloudata 作者提出，先整理指标、关系和计算规则，让 Agent 据此选择与组合；遇到口径缺口时准确反问。

文章以净销售额、财务收入、客户映射及订单关联为例，指出企业知识可能藏在历史 SQL 和报表中，需要整理成当前任务可用的上下文。面对支付、发货、财务确认等不同口径，Agent 应提出具体澄清，再据确定的规则执行。

04 yimindev：DatI 新增游客试用（10/14）

DatI v0.8.0 加入游客试用入口。项目用业务术语、元数据和参数化 SQL 工具，将数据库封装为 Agent 可调用的 MCP 服务。

降低试用门槛本身不构成能力突破，但它让“语义网关”这个配置路径更容易被评估。

全球：应用、验证与评测同时推进

05 Google Cloud：Looker Data Apps 进入 Preview（10/12）

Agent 生成的交互式应用进入 Looker 原生托管环境，复用 LookML 语义模型、行级安全和访问控制，用户可调参数、比较情景并触发下游工作流。生成后的交互没有运行时 LLM token 消耗。

快手 Data Agent：1 万周活背后的规模化系统工程

Sun, 20 Sep 2026 00:00:00 +0000

一个 Data Agent 获得 1 万周活，意义不在于聊天框里多了多少提问，而在于它已经进入数据生产、经营诊断和日常交付。快手 2026 年 9 月 19 日技术分享中的阶段性数据，展示了一条从单场景 Workflow 到统一 Agent 入口的演进路径。

分享材料给出的快照包括：周活超过 1 万、核心数据分析与产运岗位渗透率超过 80%、Skill 数量超过 2,000，以及超过 60 万条评测记录。这些数字来自快手材料，未经过独立审计，也不应被理解为对其他组织的效果承诺。真正有参考价值的，是规模背后的系统关系。

先从能够验证结果的黄金任务开始

快手早期从单场景 Workflow 探索，逐步扩展到多场景、Agentic 能力和统一入口。规模化并不是先构建一个“万能 Agent”，而是不断找到高频、价值清楚、结果可核对的任务。

所谓黄金任务至少有三个条件：需求持续发生，节省时间对业务有价值，结果能够通过指标、查询或交付物验证。报告生成、异动归因、数据研发和实验分析都符合这一特征。

父 Agent 负责路由，专业 Agent 承担责任

统一入口接收用户目标，父 Agent 理解问题并选择主站、电商、商业化、安全或海外等专业 Agent。通用 Skill 则承担查数、归因和报告等可复用方法。

这种结构解决的是责任分配，而不只是多角色展示。父 Agent 要判断场景和权限，子 Agent 要在自己的数据域、规则和工具范围内完成任务。材料给出父子 Agent 路由准确率 95% 的阶段性口径；实际部署仍需要持续观察误路由如何被发现、纠正和回归。

Skill 把方法变成组织资产

指标查找、异常诊断、SQL 开发、报告和治理规则可以被封装成 Skill。Skill 市场让业务团队复用方法，也为评审和版本控制提供载体。

数量不是目标。一个有价值的 Skill 应明确输入、允许工具、异常处理、验证条件和交付物。若 2,000 个 Skill 缺少 Owner、版本和淘汰机制，路由成本与维护负担也会迅速上升。

知识飞轮解决模型之外的准确性

快手的架构把知识构建、分层存储、搜索或确定性路由、业务应用连成一条链。数据资产与历史任务被抽取为可服务知识，真实使用产生的纠正再回到知识和评测。

OpenAI Data Agent 发布：把企业数据变成答案、看板与行动

Fri, 11 Sep 2026 00:00:00 +0000

2026 年 9 月 10 日，OpenAI 在 ChatGPT Work 中发布 Data Agent。它不是单独增加一个 Text-to-SQL 对话框，而是把企业数据源、业务上下文、分析工作流、交互式看板和批准后的行动接入同一条会话链。

这项发布值得关注，因为它把 Data Agent 的竞争从“模型能否写查询”推向了“组织能否让更多员工在现有权限内完成一项可复核的数据工作”。

数据连接和业务上下文同时进入分析

官方列出的获批数据源包括 Amazon Redshift、Datadog、Google BigQuery、ClickHouse、Databricks、MongoDB 和 Snowflake，也可将 Google Drive、SharePoint 中的文件与文档带入分析。

连接器只解决“数据可达”。Data Agent 还会使用组织已有的业务术语、指标定义、自定义计算和数据关系，相关上下文可来自 Databricks Genie Ontology、dbt、GitHub、Snowflake Horizon 与 BI 看板等可信来源。

这两类输入必须分开理解：数据源提供记录，语义资产规定这些记录如何变成业务含义。若组织没有稳定定义，Agent 只会更快暴露口径冲突。

分析过程变成可继续追问的工作区

用户可以在同一会话中要求 Agent 调查变化、比较历史时期、检查证据并调整范围。结果不仅是文字回答，还可以形成可编辑、分享和刷新的交互式看板；官方同时列出 Tableau、Power BI、Sigma 和 ThoughtSpot 等 BI 生态合作伙伴。

这里最重要的产品变化，是中间过程不再完全隐藏。用户可以沿着问题、证据和制品继续迭代，而不是每次重新提交一个孤立查询。

Skills 把常见分析方法拆成工作协议

Data Agent 背后包含指标设计、业务背景收集、数据上下文、质量分析、诊断、Notebook、可视化、看板和报告等分析 Skills。连接器回答“可以访问什么”，Skill 回答“这类任务应该怎样做、怎样验证、什么时候完成”。

Skill 不等于已经证明的产品性能。它描述的是工作方法和验收边界，实际效果仍取决于数据质量、语义资产、权限配置和具体任务。

从发现到行动，多了一道批准边界

Agent 可以建议下一步、识别需要参与的人，通过 Slack 或邮件分享发现，并使用连接工具执行用户批准的行动。这里的“批准”非常关键：分析建议、动作提案、授权执行和执行后回读应被视为不同状态。