数据智能体概述

什么是数据智能体

在企业数据分析中，业务人员通常需要依赖数据工程师编写SQL语句才能获取业务数据，这一过程沟通成本高、响应周期长。数据智能体（DataArts Agent）是数据智能平台的自然语言交互式查数入口，旨在解决业务人员自助查数难的问题。基于统一语义层提供灵活准确的自然语言查数能力，用户无需编写SQL，只需通过自然语言在问答交互界面输入问题，系统即可自动规划任务、动态构建查询并展示问数结果。

与传统BI报表固定维度的展示方式不同，数据智能体支持用户自由提问，系统动态理解意图并生成查询，实现真正的自助式数据分析。

核心能力

• 自然语言问数：基于知识湖、指标和维度的自然语言查数，系统自动规划任务、动态构建查询并执行。用户只需用日常语言描述查数需求（如“上个月华东区销售额是多少”），系统自动完成从理解到查询的全流程。
• 上传Excel问答：支持用户上传Excel文件进行数据分析、时序预测和时序异常检测。
• 选择数据表问答：支持用户从创建的数据连接中选择数据表进行数据分析。
• 上传知识文档问答：支持用户上传知识文档，进行基于文档内容的知识问答。
• 选择知识湖问答：支持用户从创建的知识湖中选择知识湖进行知识问答。
• 知识问答：根据用户问题中的“指标”、“维度”关键词，查询并返回对应元数据的定义和描述。
• 资源辅助：支持选择思路、工具、工作流和智能体等资源来辅助问答，系统会自动调用所选资源帮助回答问题。

使用场景

• 业务自助查数：业务人员通过自然语言直接查询业务数据，无需编写SQL，降低对数据工程师的依赖。
• 临时数据快速探查：分析师拿到临时Excel（如线下活动数据、第三方调研数据），快速进行数据分析、趋势预测和异常检测。
• 按需取数分析：业务人员或分析师直接从已接入的数据连接中选择数据表进行按需分析，快速预览表结构和数据。
• 文档知识检索：上传产品说明书、操作手册、研究报告等非结构化文档，快速定位文档中的关键内容。
• 知识湖问答：业务人员可从已创建的知识湖中选择知识湖进行知识问答，系统基于所选知识湖中的内容检索并生成回答。
• 指标口径查询：快速查询已定义的指标和维度信息，了解数据资产元数据，便于新成员快速对齐业务口径。
• 标准化分析：需要对同一问题按固定流程重复分析时，配合“分析思路”约束分析路径，确保分析结果一致。

基本概念

• 大语言模型（Large Language Model，LLM）

  大语言模型是基于深度学习、Transformer架构训练的大规模神经网络模型。LLM以海量文本数据作为训练素材，通过海量参数学习人类语言的语法、语义、逻辑、常识、知识及表达习惯，其核心能力是理解自然语言并生成通顺连贯的文本。在数据智能体中，LLM作为认知核心，负责理解用户的自然语言查询意图并生成分析逻辑。

• 统一语义层

  统一语义层是数据智能体理解用户查询意图的核心基础。它将底层数据的业务含义抽象为标准化的语义模型，使大模型能够准确理解“指标”、“维度”的含义，从而将自然语言转化为精确的数据查询。

  统一语义层由以下要素构成：

  • 指标：用于衡量业务数据的量化指标，如“销售额”、“订单量”、“转化率”等。指标分为原子指标和复合指标。
  • 维度：用于描述和分析业务数据的视角，如“地区”、“时间”、“产品类别”等。维度定义了数据可以从哪些角度进行查看和分析。
  • 层级：维度的层次结构，如“年-月-日”或“省-市-区”。层级支持数据的上钻和下钻分析。
  • 业务术语：企业特定的业务术语、简称或行业黑话的映射规则。例如将“营收”映射为“销售收入”，使系统能理解用户的非标准化表达。
  • 同义词：行业专有名词、公司别称、特殊缩写的关联映射。例如将“华为”和“华为技术有限公司”识别为同一实体，扩展语义边界。

  统一语义层与相关模块的关系：

  统一语义层的构建依赖本体模型（定义对象类型）和数据流（将源表数据导入本体）。语义构建中的指标和维度基于本体模型定义，只有当本体中预置了相关数据后，指标和维度才能查出实际数据。

• 知识湖

  知识湖是数据智能平台面向数据智能体提供的统一知识存储与检索底座，用于承载企业各类知识资产，并为数据智能体的问答提供数据支撑。

  知识湖支持结构化数据和非结构化数据两类知识资产的接入：

  • 结构化数据：通过维度和指标映射接入，作为自然语言问数的数据来源。
  • 非结构化数据：支持.pdf、.docx、.txt等格式的文档接入，用于基于文档内容的知识问答。

  知识湖将接入的数据通过嵌入模型转化为语义向量，基于语义进行精准检索，而非依赖简单的关键词匹配，从而提升问答结果的准确性。

• Agent编排

  Agent编排是数据智能体的核心运行机制。当用户输入自然语言问题后，系统并非简单地匹配预设答案，而是通过Agent编排动态规划并执行一系列任务，最终返回查数结果。

  Agent编排的典型流程：

  1. 意图理解：系统通过大语言模型理解用户自然语言输入的查数意图。
  2. 语义解析：系统根据意图识别所需的指标、维度，并结合业务术语和同义词进行语义扩展。
  3. 任务规划：系统自动规划查数任务，确定需要查询哪些指标、按哪些维度分组、应用哪些过滤条件。
  4. 查询构建：系统基于规划结果动态构建数据查询（类似SQL查询），从知识湖中获取数据。
  5. 执行与展示：执行查询并返回结果，结果支持文本、数字、表格、图表等多种展示形式。
• 分析思路

  分析思路是一种描述分析流程的文本文件，可以指导数据智能体按照描述的流程执行任务。当用户选择了某个分析思路后发起对话，数据智能体会按照分析思路描述的流程进行分析，而非自由发挥。

  分析思路支持纯自然语言的描述，例如：先执行A，再执行B，如果有C的情况就执行D，否则执行E。

  分析思路也支持使用精准的mermaid格式描述流程：