写点什么

Quick BI 数据分析智能体的可靠工程实践|AICon 深圳

  • 2026-08-01
    北京
  • 本文字数:1861 字

    阅读完需:约 6 分钟

AI摘要

核心内容:文章揭示AI竞争焦点正从模型能力转向智能体系统的工程化落地能力,以QuickBI数据分析智能体为例,指出数据可理解性与系统可控性成为当前关键瓶颈。

关键观点:BI语义层是解决异构数据歧义与精准路由的核心基础设施;Harness架构实现分析行为的可编排、可溯源及权限内嵌;端到端评测需覆盖意图理解至业务可解释性全链路。

适合AI工程负责人、智能体架构师、数据平台开发者阅读

Agent 时代,哪些方向正在成为行业关键变量?50 + 实战案例揭晓答案!

模型参数规模不断突破,推理成本持续下降,开源生态日益繁荣。当模型能力逐渐成为行业共识,一个新的问题开始浮现:当人人都能获得强大的模型能力之后,真正的竞争力还剩下什么? 答案正在从模型能力本身,转向围绕模型构建可规模化的智能系统;从单点能力提升,转向系统工程与组织级落地能力。

在这一背景下,2026 年 AICon 人工智能开发与应用大会 · 深圳站正式启动。本次大会将于 8 月 21 日—22 日举办,聚焦 AI 基础设施、大模型系统、智能体工程、数据智能、多模态技术与行业落地等关键方向,邀请来自腾讯、阿里、华为、百度、蚂蚁集团等 50 + 头部科技企业技术负责人、科研机构一线专家,系统性分享前沿洞察与实战干货,共同探讨 AI 技术从能力到系统、从实验到生产的真实路径。

阿里云智能集团高级技术专家王璟尧已确认出席 “智能体时代的数据供给与治理” 专题,并发表题为Quick BI 数据分析智能体的可靠工程实践的主题分享。数据智能体从"能对话"到"能信赖",瓶颈从模型推理能力已逐渐转到数据的可理解性和系统的可控性上。当分析场景从单一数仓的 ChatBI 扩展到多源异构数据的混合查询——Agent 面临的不再只是 NL2SQL 的准确性问题,而是"在大量的表、文件、内部知识中找到正确的那部分、用正确的口径、给出数据权限范围内可验证的答案"。本次分享将基于 QuickBI AI Pro 的落地实践,围绕三个核心问题展开:第一,如何用 BI 语义层消除数据歧义,让 Agent 在海量异构资产中精准路由;第二,如何设计数据分析的 Harness 架构,让 Agent 在分析等行为上可编排、可溯源,并内嵌权限;第三,端到端评测闭环如何覆盖从意图理解到业务可解释性的全链路,驱动 Agent 持续进化而非漂移。

王璟尧,阿里云智能集团高级技术专家,10 余年数据产品建设和技术架构经验。先后负责或重度参与了数据地图、MaxCompute 元仓、QuickBI、智能 小 Q 等产品的研发。现任阿里云智能集团高级技术专家,负责 Quick BI 的研发工作,带领团队完成阿里巴巴分析 Agent 从 0 到 1 落地,在 BI+ AI 及数据 Agent 应用等方向上有丰富实践经验与理解。他在本次会议的详细演讲内容如下:

演讲提纲:

1. 数据智能体落地的真实困境

  • 几个典型失败模式

  • 待解决的关键问题

2. 数据基础设施:语义层和数据质量

  • 为什么自动化元数据检索不够

  • 面向 BI 的语义设计和分层架构

  • 指标、血缘和溯源

  • 多源异构及非结构化数据的分析

  • 数据治理:数据如何被 Agent 理解的更好

3. Quick BI 的数据智能体设计

  • 数据分析 Harness 架构

  • 多步推理编排和上下文窗口管理

  • 数据权限与安全

  • 知识与记忆

  • 多源异构数据的融合分析

4. 端到端评测:数据智能体的进化引擎

  • 数据分析评测为什么难

  • 四层评测维度设计

  • 评测体系和纠错飞轮

5. 用户实践和展望

  • 用户实践案例

  • 能力边界和未来发展展望

演讲痛点

  • Demo 惊艳,生产翻车。在演示时数准确率 90%,一上生产就掉到 50% 以下。同一个"销售额",销售部门和财务部门问出两个不同的数,业务方追问"到底哪个对",答不上来。POC 拿到预算,规模化后被投诉——这是绝大多数 Data Agent 项目正经历的窘境

  • Agent "越用越飘"。上周还答对的问题,这周突然错了。是模型漂了还是 Schema 变了?或是知识库里写脏了?没有评测体系时,团队只能靠"用户投诉→人工救火"来发现问题,永远在追着 bug 跑

  • 结构化数据都还没搞定,非结构化数据又压过来。业务开始要求 Agent 分析 PDF 合同、销售录音、客户评论、Excel、CRM 数据。多源异构不是简单叠加,是把每类失败模式都放大一个数量级

  • 从" Agent 说了什么"到"业务敢用",中间隔着一道天堑。老板问"这个数怎么来的",Agent 答不出,业务方问"我能信这个结论吗"也给不出置信度。数据权限在 Agent 环节形同虚设——不该看的数据混进了推理链

听众收益

  • 基于 BI 的语义层的构建、数据治理的落地顺序

  • 数据智能体的 Harness 架构设计要点和工程落地

  • 多源异构数据在推理分析中协同的编排模式

  • DataAgent 评测体系、构建方法及纠错飞轮

  • 一份真实的踩坑清单、边界、案例启发和实践经验

除此之外,本次大会还策划了AI Infra、推理工程与异构计算超级个体与蜂群智能的共生进化迈向机器人 AGI 的关键技术与产业实践Agent 安全:从风险到可控大模型效率工程与 Agent 系统实践AI Agent 高价值商业场景实战等 10 个专题论坛,届时将有来自不同行业、不同领域、不同企业的 50+资深专家在现场带来前沿技术洞察和一线实践经验。

AICon 全球人工智能开发与应用大会·深圳站,限时 9 折专属优惠,现在报名立减 580,更多详情可扫码或联系票务经理 13269078023 进行咨询。