AI 如何跟数据分析结合，同时保持高效与专业性，一直是BI和数据分析领域产品技术关注的焦点。基于用户分析和过往的数据产品经验，我们建设了一款新的大数据表格结合AI的数据分析产品Tomoro，旨在通过用户熟悉的表格操作与无边界的数据引入，结合 AI 驱动的大数据分析工作台，实现零门槛的大数据自助分析。

Lumos 作为 Tomoro 中的数据智能体，采用多智能体架构，旨在解决复杂场景下的专业问题，并通过一系列技术优化提升用户体验，分享会讨论到我们在其中的技术选型、上下文工程、数据分析工具结合、业务实践层面的探索和思考。

演讲提纲：

1. Tomoro 背景介绍：融合用户熟悉的表格操作与 AI 智能，通过亿级数据秒级响应、AI 全流程引导、深度分析一步完成等关键特性，实现零门槛、高效率的大数据自助分析
2. 技术方案：“环境+智能体+情景”三位一体的实用性架构，让AI从真实分析场景出发，承担更多工作，人则专注于业务价值的探索
   • 架构选型：为应对复杂度迥异的分析任务，我们采用“主-从”多智能体架构，由主智能体拆解任务，各专家智能体分工执行
   • 协作机制：建立共享工作记忆，让各智能体同步中间结果，避免重复计算，保证协作的一致性与高效性
   • 性能优化：构建分级计算框架，通过浏览器计算、内存数据库、高性能引擎分层加速，确保大数据量下的极致响应
   • 路径选择：采取“工具优先，代码兜底”的混合策略，优先调用可靠工具保证体验，再以AI代码生成能力应对个性化需求
   • 能力扩展：将复杂的业务算法（如归因分析）封装为独立服务，智能体通过标准工具调用即可无缝集成，快速扩展专业能力
   • 交互优化：通过主动推荐问题与澄清式对话，引导用户明确分析意图，提升人机交互的有效性
   • 质量测评：结合内部使用、任务级准确率评估和自动化验证，构建多维度测评体系，持续保障和提升输出质量
   • 工程保障：打造模型、公共、应用三层服务架构，为智能体提供鉴权、限流等全方位工程“盔甲”，确保服务稳定可靠。
3. 总结与展望

听众收益：

• 带走一份“从传统 BI 到 AI 表格＋数据智能体”的落地清单——如何做场景优先级划分、Agent 职责与编排、一致性治理、AI Coding 与工具调用取舍、上下文工程与评测指标（SLO）设计，少走弯路。
• 掌握“表格即工作台＋无边界数据接入”的搭建方法，以及查询/计算加速、MCP 共建专家 Agent 的实践范式，把复杂分析从“会用”推向“用得快、用得准”。