数据智能体 Data Agent 是火山引擎依托大模型技术，推出的新一代企业级 AI 数据专家：“Data”代表其深度理解和运用企业数据资产的能力，“Agent”体现其作为企业的智能代理，能够像专家一样主动思考、分析和行动。

Data Agent从 “智能问数” 开始，通过自然语言交互、快速响应和多源数据整合，降低分析门槛、提升效率。如今已进化至 “深度研究” 阶段，具备主动分析、深度归因、复杂问题拆解、跨域知识融合及持续学习能力，能为企业挖掘数据深层价值。

演讲提纲

1. Data Agent 整体介绍
   • 作为连接数据与业务的智能中枢定位、核心价值、关键特性等
   • 从“智能问数”到“深度研究”的演进过程
2. Data Agent 产品与架构迭代
   • 分析智能体整体架构、各模块协同
   • 深度研究、智能问数的架构以及核心技术
3. 效果演示与落地历程
   • 如何实现分析智能体的性能提升
   • 分享字节域内典型业务案例与价值
   • 企业最佳实践及行业方法论。
4. 未来展望

听众收益：

• 明确数据分析智能体在企业内部从需求调研、方案设计、技术选型、部署实施到上线运维的全流程实施逻辑
• 了解不同行业、不同业务场景下数据分析智能体的成功落地案例

Data Agent 的崛起正在成为企业数字化转型的核心驱动力​，大语言模型（LLM）的突破推动“自然语言查数”成为可能，Data Agent 将成为 BI 系统的下一代形态，然而在落地过程中，仍然面临诸多挑战，如何让大模型理解企业复杂的业务数据上下文？如何在泛化与精确之间寻找平衡？如何设计可迭代进化的 Agent 工程？本次演讲就这些问题进行实践经验的分享和思考。

演讲提纲：

1. Data Agent的产品设计与工程挑战
2. WeData Agent的设计理念
3. Data Agent的工程化实践
   • 统一语义层的技术架构
   • 可迭代&可控Agent的工程框架
   • MetaRag的关键方案
4. 未来展望

听众收益：

• 了解Data Agent的设计关键挑战与应对方案
• 了解Data Agent在工程化落地过程中的产品和技术方案

当前的数字营销市场正面临两大挑战：一方面，流量资源日益向头部平台集中，使得中长尾应用开发者虽然拥有垂直细分用户，但难以实现有效变现；另一方面，广告主则普遍面临获客成本高企、流量质量难以验证，以及投放效果评估周期长等问题。在此背景下，AI Agent 正在成为连接供需两端、推动营销范式转型的关键力量。

本演讲将介绍一种基于“SDK+Agent”模式的实践探索：通过在广告主与媒体侧分别部署智能体，结合大规模数据与行为分析能力，实现自动化、智能化的广告需求撮合与投放优化。该方案进一步引入了以用户长期价值（LTV）为核心的归因机制，提升转化评估的科学性，同时加强对虚假流量的识别与防护，确保营销活动的真实性和可持续性。

通过这一技术路径，我们尝试建立一套更透明、高效的营销机制，使开发者能够更好释放自身流量价值，广告主则能获得可量化、可沉淀的长期投放回报，推动构建一个由 AI 驱动、供需协同、价值导向的新型营销生态。

演讲提纲：

1. 市场现状与转型契机
   • 流量向头部平台集中，中长尾开发者变现困难
   • 广告主面临获客成本高、虚假流量、ROI难评估
   • AI 技术崛起带来营销变革的新机遇
2. AI Agent 驱动的智能撮合模式
   • U-Appwin 核心理念
   • 利用 AI Agent 聚合中长尾流量
   • 实现广告主与媒体的高效智能匹配
3. 平台架构设计：SDK + Agent 模式
   • 架构核心组成
   • 供需两端 Agent 的工作机制
   • 撮合引擎如何实现匹配效率与确定性
4. 公私域联动的用户运营闭环
   • 公域流量拉新 + 私域促活联动策略
   • 如何提升用户全生命周期价值
5. 双端价值实现：开发者与广告主视角
   • 提升开发者变现效率
   • 增强广告主 ROI 与归因透明度
6. 技术演进与未来规划
   • AI 在营销领域的深化应用趋势
   • U-Appwin 的下一阶段发展路线图

听众收益：

1. 掌握前沿智能平台架构设计思路，深入理解如何构建面向双边市场的“SDK + Agent”架构，学习 AI Agent 如何实现复杂业务解耦与智能调度，为设计大规模智能系统提供参考
2. 获取 AI 技术落地的实战经验，了解 AI Agent、AIGC 在营销与广告场景中的真实应用，掌握如何用 AI 重塑业务流程、降低成本，并解决如 ROI 归因等行业痛点
3. 启发数据驱动的增长策略，探索如何打通公私域数据，基于用户生命周期价值进行精细化运营，构建可持续的增长能力和竞争壁垒

在大模型技术飞速发展的当下，大数据领域的各类应用如雨后春笋般涌现，从数仓开发到ChatBI问数，再到深度分析 Agent，这些领域的大模型应用极大地提升了数据处理和分析的效率。但与此同时，如何科学、准确地评估这些应用的效果，成为了行业面临的重要难题。

作为字节跳动数据平台的大模型效果评估团队，我们深耕数据应用Agent 领域，构建了覆盖从数据开发到数据应用垂直领域Agent应用的评测技术体系，尤其在自动化评测算法、Agent 级评测框架等方面形成了可落地的技术方案。本次分享将聚焦这一领域的技术细节与实践经验。

演讲提纲：

1. 大模型评测基础方法论与数据应用 Agent 的适配挑战
   • 大模型评测的通用技术框架：评测维度、主流方法和技术痛点
   • 数据应用 Agent 的垂直适配难点：领域特殊性、维度扩展和效率挑战
2. Agent 应用的三层评测体系
   • 体系设计：贯穿“技术选型-研发迭代-业务效果”的全流程评测
   • 各层级核心定位与评测指标
3. Data Agent 的评测技术创新和实践
   • 取数问答(Text2SQL)的自动化评测：评测体系设计、技术创新和实践效果
   • 深度研究(Deep Research)的评测技术突破：评测体系设计、技术创新和实践效果
   • Agent-as-a-Judge 应用详解：技术架构设计、关键技术优化和实践效果
4. 评估平台的工具与链路建设
   • 核心功能矩阵：评测集管理、评估执行、效果分析与数据飞轮
   • 特色功能详解：评估流程构建、线上Case回流和数据飞轮
5. 未来展望

听众收益：

1. 了解大数据领域大模型应用评测的基础方法论和垂直领域的评测体系建设思路。
2. 了解SQL和数据Agent 评测技术创新和在具体业务场景中的实践经验。