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。

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。

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。

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。