专题演讲嘉宾：彭锦文

企业数据场景对 Agent 的要求远高于通用问答或代码辅助：它要访问元数据、生成 SQL、调用治理平台、修改任务配置、触发调度发布，全程还要处理敏感数据、权限边界和审计要求。一旦出错，代价不是「答错一句话」，而是「在有权限的环境里执行了错误动作」。

本次分享拆解 DataBuddy 如何用一套 Agent Runtime 回答三个核心问题：执行可控、语义可信、系统可进化。以真实的端到端案例让大家看到 Agent 跑起来的样子，再自底向上讲清背后的架构及承载这一切的 Agent Runtime 执行内核；随后重点放在「语义」这条主线：语义如何冷启动、如何越用越准、如何用 Text-to-SQL 进行安全兜底；并介绍支撑语义可信的知识记忆与安全两大底座。既有设计取舍，也坦诚当前边界。

演讲提纲

1. 为什么企业数据 Agent 更难

• 数据 Agent 不止是 Text-to-SQL 封装
• 从「答错一句话」到「在有权限的环境里执行错误动作」的风险跃迁
• 三个核心设计问题：执行可控、语义可信、系统可进化

2. 「建仓 + 同步」端到端案例

• 一句话诉求「接入 MySQL 销售库、建 ODS/DWD/DWS 三层、配置每日增量同步」的完整链路
• 从案例中直观感受 Agent 的动态行为：自主规划 + 能力契约 + Hook Guardrail + Trace 产物
• 这条链路为什么可控、可信、可进化，后续逐层展开

3. 总体架构

• 控制面与数据面分离
• 五层架构与 Runtime 隔离设计
• 推理与执行解耦、能力与安全解耦、短期状态与长期知识解耦

4. Agent Runtime

• WorkBuddy 同源 Harness
• Agent Runtime 生命周期与可观测性
• 能力组织：专家能力与业务语义、执行契约、安全等级
  • 数据领域loop的特点和差异
  • 数据领域专有工具能力

5. 语义：让 SQL 从能跑到可信

• 语义的冷热启动——冷启动期元数据缺失、口径未沉淀，靠约定与人工兜底；热启动后语义资产累积，准确率与自动化程度同步抬升
• 抽象沉淀——把一次次临时查询与口径修正萃取为可复用的语义抽象，让语义覆盖度随使用持续增长
• 语义 coverage——划定可信边界、选择执行路径与人工确认强度，让 Agent 清楚自己哪里可信、哪里该谨慎
• Text-to-SQL 兜底——语义层未覆盖时降级至受约束的 Text-to-SQL，并进入静态分析、语义对齐、权限收敛的防护链路
• 覆盖度与降级决策沿 ReAct Loop 逐步收敛

6. 知识：分层记忆 + 数据图谱

• 纵向分层——Session、Personal、Team、Enterprise 四层记忆，按作用域 × 生命周期定位，权威性逐层增强
• 横向成图——表/列、指标/维度、血缘、质量规则、SQL 模板互连成资产关系图；检索融合文本相关性 + 资产热度 + 血缘中心度 + 权威性
• 经验复利闭环——使用、修正、沉淀、审核、复用，Agent 既是知识消费者也是生产者，越用越准

7. 安全体系

• 风险三要素
• 多层纵深防御，Agent 识别 + 规则引擎 + 审计 Agent 异步协同
• SQL 多段防护：Prompt、Text-to-SQL、静态分析、语义对齐、权限、改写、HITL、执行、结果脱敏、审计
• 敏感隔离：敏感信息不进对话、不进上下文、不进记忆

8. 评测

• 离线回归 + 在线观测双体系
• 确定性校验 + LLM-as-Judge + 人工标注三层评判
• 数据 Agent 评测三难题：语义正确性、确认门自动化、防作弊

演讲痛点

• 语义正确性难验证——SQL 能跑通不代表口径对，join 漏条件、粒度翻倍这类错误不报错却最致命，且没法全自动校验，最终仍靠人对数
• 知识冷启动悖论——"越用越准"的前提是有人先用，但初期元数据缺失、口径未沉淀导致准确率低，没人敢用，早期信任低谷难熬
• 安全与体验对立——纵深防御累加延迟，确认太多变手工、太少会出事，HITL 的"度"要在生产里反复磨
• 动作可控性——长链路任务中途失败，有副作用的写/调度难回滚、难幂等
• 组织信任——"敢把核心数据交给 Agent"本质是责任归属和信任问题，从只读分析到可写生产循序渐进建立

听众收益

• 一套可复用的数据 Agent 架构心智：模型推理、Harness 执行、知识与记忆、安全边界
• 语义可信的工程主线：冷热启动、抽象沉淀、语义 coverage、Text-to-SQL 兜底，全部跑在同一套 Agent Runtime 上，让 Agent 越用越准且知道自己边界
• 数据 Agent 的安全方法论：风险三要素、纵深防御
• 让 Agent「越用越准」的知识路径：知识与记忆 + 数据图谱 + 经验萃取的治理闭环