2026 年，智能体将在企业级应用中取得哪些实质性突破？点击下载《2026 年 AI 与数据发展预测》白皮书，获悉专家一手前瞻，抢先拥抱新的工作方式！
近日，Snowflake 正式发布 Cortex Code ——一款原生集成于 Snowflake 的 AI 编程助手，旨在显著缩短从构想到生产上线的周期，尤其适用于依赖受管企业数据的开发场景。
如果您是已在 Cursor / Claude Code / Codex（或其他编程助手）中工作的开发者，本文将为您清晰解读：Cortex Code 是什么、为何推出，以及何时应选用它。
核心要点
Cortex Code 是 Snowflake 专为其数据技术栈打造的 AI 编程助手，旨在帮助开发者更快地将想法落地为生产应用。它不仅理解您的代码库，更深度集成您的 Snowflake 环境；
提供两种使用方式：在 Snowsight /工作空间中使用（平台内集成），或通过 Cortex Code CLI 在本地终端调用（可无缝用于 VS Code/Cursor 等终端）；
与通用编程助手的核心区别：Cortex Code 深度感知 Snowflake 环境（数据目录、语义信息与治理策略），遵循 RBAC 权限管控，并能自动化端到端数据工作流（涵盖 dbt、SQL、Notebook、智能体及运维/财务管理任务），从而避免在工具间频繁复制粘贴的繁琐操作；
无需更换 IDE：如果您习惯使用 Cursor，可继续沿用。只需在终端中运行 Cortex Code，即可高效完成与 Snowflake 相关的繁重开发任务。
2 分钟快速上手（Cortex Code CLI）
若想立即体验，请按以下步骤操作：
1. 安装 Cortex Code CLI：
curl -LsS https://ai.snowflake.com/static/cc-scripts/install.sh | sh
这将安装 cortex 可执行文件（默认安装路径为~/.local/bin）。
2. 运行 cortex 并按照设置向导连接 Snowflake。
系统将提示您从 ~/.snowflake/connections.toml 中选择现有连接或创建新连接。若已使用 Snowflake CLI（snow），可直接复用同一连接配置文件。
3. 提出您的首个需求：
What can I do with Cortex Code?
如需了解几个直观的后续操作示例，可尝试以下指令：
Find tables with PII tags
Explain why this query is slow and optimize it
Build a Streamlit dashboard on SALES_MART.REVENUE with filters for date and region
问题所在：人工智能工具无处不在，但数据工作仍然面临瓶颈
我认识的多数开发者已经在日常工作中广泛使用人工智能工具。它们在搭建代码框架、重构代码或解决疑难时表现出色。
然而，数据与人工智能结合的工作存在一个特定的摩擦点：
您的代码存放于代码仓库中；
您的核心数据资产却位于 Snowflake 平台（包括数据目录、权限管理、查询历史、成本记录、语义模型及生产流水线）。
通用的编程智能体通常无法自然访问（或安全操作）后者。它们的上下文边界往往止步于代码仓库，而在许多组织内部，将上下文传输至受控治理边界之外是绝对不可行的。
这正是 Cortex Code 旨在填补的空白。
Snowflake Cortex Code 是什么？
Cortex Code 是 Snowflake 开发体验的智能体化实现。它将复杂的数据工程、分析、机器学习与智能体构建任务，转化为基于您 Snowflake 环境、以自然语言驱动的工作流。
其在平台中的定位同样重要：Cortex Code 是 Snowflake Cortex AI 产品套件的一部分，与 Snowflake Intelligence 并列，旨在无缝融入团队在受治理数据上端到端构建与运行 AI 工作流的方式。
您将通过以下两种方式使用它：
在 Snowsight / Workspaces 平台内使用 Cortex Code（内置式体验）
此为“我已身处 Snowflake 环境”的使用模式，尤其适用于：
SQL 开发；
运维与财务运营工作流（用量分析、成本动因追溯、角色/权限管理、治理问题排查）；
数据发现（目录检索、定位准确的数据表/视图/模型）；
Workspaces 原生工作（SQL + Python + dbt 项目，支持差异比对与评审流程）；
该设计同时致力于构建统一界面，能够根据需求自动导向对应功能（文档查阅、目录发现、成本/用量分析、治理问题解答、代码变更），无需用户记忆特定功能对应的操作界面。
Cortex Code CLI（本地终端/ IDE 集成终端）
此为“适配工作场景”型体验，尤其适用于：
端到端项目（dbt +代码+测试+验证+部署）；
流水线编排；
智能体与应用部署流程；
在保持 Snowflake 环境感知的同时，操作本地文件、代码库、Git 及其他开发工具。
若您习惯使用 Cursor 或 VS Code，可在集成终端中运行 Cortex Code CLI，无需切换开发环境。
Cortex Code 为何存在（以及它为何不仅仅是又一个 Copilot）
对此最简洁的解释是：Cortex Code 致力于成为在 Snowflake 平台上进行开发的最实用智能体。
这可以归结为四大支柱：
智能性（深度理解 Snowflake）
它是内建的 Snowflake 功能与环境专家：深刻理解您的数据库、模式、表、语义模型，以及那些通用工具常常忽略的 Snowflake 特有语义。
相关性（具备情境感知能力）
其设计旨在遵循您的工作流程（您当前所处位置、正在编辑的内容、前几个指令的上下文），而非将每个请求都当作一次全新的对话来处理。
集成性（与您的技术栈协同工作）
支持 dbt、Git、SQL、Python、Workspaces/笔记本、Streamlit，且无需改变您现有的工作方式。
治理性（安全设计为本）
Cortex Code 采用 Snowflake 的 RBAC 模型：其仅能查看并操作您当前角色权限范围内的资源，且所有操作均以您的权限执行（包括现有的行级安全策略、数据脱敏等控制机制）。对于受监管的环境而言，这正是一个酷炫演示与一个真正可投入使用的工具之间的关键区别。
本产品的定位说明
并非集成开发环境的替代品。（请务必继续使用 Cursor/VS Code）；
并非面向全球所有技术框架的通用型智能体；
并非万能魔法。在使用时，仍需结合专业判断，特别是在权限控制、成本评估与结果准确性方面。
您能用 Cortex Code 做什么（具体示例）
如果您是 Snowflake 原生智能体的新手，以下是展示其典型应用场景的提示示例：
数据发现与治理
“查找所有包含个人身份信息（PII）的表。”
“我的角色在此数据库上拥有哪些权限？”
“为何我会遇到权限错误？
成本与用量分析
“哪 5 种服务类型消耗了最多的计算积分？”
“过去 30 天内成本最高的计算仓库是哪个？对应的前 5 条查询是什么？”
SQL 与数据分析
“这段 SQL 脚本的功能是什么？”
“在不改变结果的前提下，优化此查询的性能。”
dbt 与数据管道
“为我的 dbt 项目创建一个新的数据集市模型并编写测试用例。”
“为此流水线生成依赖关系图并提出依赖项建议。”
智能体与企业工作流
“为此数据集创建面向 Cortex Analyst 的语义视图。”
“基于这些文档构建 Cortex Search 服务。”
“构建一个能调用 Analyst 进行指标分析、同时使用 Search 处理通话记录的 Cortex 智能体，并将其部署至 Snowflake Intelligence。”
这些任务的共同点在于：它们都不是单文件代码生成任务，而是通常需要跨界面、编辑器、终端、文档乃至（坦白说）Slack 等多场景切换的多步骤工作流。
为何重要（按角色划分）
数据工程师/分析工程师：通过测试与验证加速 dbt 变更，减少“我是否破坏了生产环境？”的疑虑，降低追溯数据血缘与元数据的时间成本；
数据科学家/AI/ML 工程师：提升从笔记本到生产管道的迭代效率，减少胶水代码，实现从实验到受治理生产工作流的平滑过渡；
平台/管理/FinOps 人员：为您日常处理的角色、使用情况、成本及治理问题提供自然语言交互入口，无需反复查询系统表；
全体人员：减少上下文切换，更专注于“基于可靠依据交付成果”。
真实工作流程
Snowflake 产品数据科学团队梳理了一些内部工作流程，这些流程清晰映射了构建者日常的实际工作。以下是几个重点示例（经过转述，但保持原意）：
通过单次提示完成数据工程变更（dbt +验证+报告）
原有方式：在 Snowsight 中编写查询，在 VS Code 中编辑 dbt 模型，运行 dbt run，运行 dbt test，编写对比查询，将结果粘贴到文档中。
新方式：通过一个提示请求变更，并提供变更有效的证明。
此处的关键突破并非“打字更快”，而是将整个工作流程（包括验证产物）压缩为一次请求。
基于语义视图生成管道图
如果你曾接手过一份 546 行的语义视图定义，并希望“直观看到模型”，这个方法正适用于此。
提示：“这是一个 546 行的语义视图，请生成一份实体关系图。”
效果：生成的文档能保持最新，因为它源于源代码自动生成，而非手工维护。
dbt 性能与成本优化（并将其转化为可复用技能）
提示：“找出最慢的模型，提出优化建议，并标记出可删除的未使用下游模型。”
效果：在一个案例中，运行时间从约 10 小时降至 2 小时以内，且该工作流程被转化为一个可复用的技能文件，供他人重复使用。
最后这一点很重要：如果你的组织注重可重复性，技能能将一次性成果转化为团队的肌肉记忆。
在何时应选用 Cortex Code，而非 Cursor / Claude Code / Codex /通用型智能体？
我们不会宣称存在唯一的优胜者——这些工具功能有重叠，最佳方案往往是组合使用。
以下为实用决策指南——
简明原则：
若答案取决于你的 Snowflake 账户，请使用 Cortex Code；
若答案取决于你的代码库或技术框架，请选用你惯用的通用编程智能体。
当任务依赖于 Snowflake 上下文时，请使用 Cortex Code
在以下情况下，应考虑采用 Cortex Code：
涉及 Snowflake 目录与对象（模式/表/语义视图/搜索服务/智能体）；
涉及 Snowflake 安全模型（RBAC、“此角色具备哪些权限？”、受管控操作）；
需要符合 Snowflake 规范的代码（Snowflake SQL 细节、Snowpark、动态表、语义对象等）；
需要端到端自动化（dbt 变更+测试+验证查询+可共享的报告）；
需要在受管控数据上构建/运行智能体（Snowflake Intelligence、Cortex Analyst、Cortex Search、Cortex Agents）。
换言之：若任务涉及基于 Snowflake 的数据工程/分析/机器学习/智能体开发，Cortex Code 应成为您的核心工具之一。
当工作主要涉及 Snowflake 外部系统时，宜采用通用编码智能体
在以下场景中，Cursor/Claude Code/Codex 类工具表现优异：
前端/界面开发及通用应用框架构建
跨大型非 Snowflake 代码库的多语言重构
不涉及 Snowflake 元数据、角色或账户语义的通用编程任务
通用推荐方案（标准应用路径）
我们预计大多数团队会采用以下模式：
使用 Cursor（或您惯用的 IDE）进行代码编辑、审查及跨仓库操作；
运用 Cortex Code CLI 执行 Snowflake 感知运算、流水线任务、dbt 工作流以及智能体/应用部署。
若您已为其他智能体或开发环境编写了指令，Cortex Code 同样支持灵活扩展：
AGENTS.md：无缝迁移您的项目上下文与规则（即使原指令为其他智能体/IDE 编写）；
MCP（模型上下文协议）：以标准化方式接入外部系统与工具；
技能模块：将可复用的工作流程固化封装，实现团队级协同共享。
入门指南
我所见过的最佳建议（也与我的工作方式一致）：
选择一个你本来就要处理的实际任务，并使用 Cortex Code 来完成它。
如果你希望遵循简单的进阶路径，这里有一个清晰的路线：
初级（Level 100）：数据发现与查询
连接至你的 Snowflake 账户；
要求智能体查找可供写入的相关数据表；
生成或加载小型数据集（合成数据亦可）；
请求生成分析查询语句，并持续迭代优化。
以下是与上述内容对应的几组复制/粘贴提示词：
Find all tables related to customers that I have write access to.Generate realistic-looking synthetic data into <db>.<schema>.Create a table of 10,000 financial transactions where ~0.5% are fraudulent.Include amount, location, merchant, and time.Make the fraudulent ones look suspicious based on location or amount.Calculate churn rate grouped by state and contract length.Order by highest churn rate first.进阶（Level 200）：语义+搜索+智能体
l 创建语义视图（供 Cortex Analyst 使用）；
l 创建 Cortex Search 服务（用于非结构化/文档检索）；
l 构建一个 Cortex 智能体，实现 Analyst 与 Search 之间的路由调度；
l 将其部署至 Snowflake Intelligence。
用于演示工作流程结构的示例提示：
Build a Cortex Agent that has access to two tools:- cortex_analyst: for metrics and aggregates over <my semantic view>- cortex_search: for searching <my search service>Routing logic: if the user asks for metrics/counts/averages, use Analyst.If the user asks for sentiment/reasons/summaries, use Search.Now deploy this agent to Snowflake Intelligence.最佳实践（值得反复强调）
聚焦成果，而非实现细节。例如：表述为“构建用户流失看板”，而非“编写 GROUP BY 查询语句”；
复杂任务需先提供方案，以便预先审核其可行性；
审阅所有变更与高风险操作（DDL/DML 语句），确认无误后再执行；
要求提供验证证据。包括数据校验查询、对比报告、测试案例等，此类要求应作为指令的固定组成部分。
核心观点
Cortex Code 令我振奋之处，并非仅仅是它能更快地编写 SQL。
而是它精准应对了真正阻碍研发效率的关键痛点：
频繁的上下文切换；
权限配置混乱；
“目标明确，但需繁琐的中间步骤”；
因时间不足而未经充分验证便匆忙交付。
若 Cortex Code 能实现其设计目标，它将在不牺牲治理标准的前提下，显著提升小型数据/人工智能团队的交付能力上限。
现在，就在实际任务中尝试使用它吧。祝探索愉快！
点击链接立即报名注册：Ascent - Snowflake Platform Training - China，更多 Snowflake 精彩活动请关注专区。
