专题演讲嘉宾：许锡彬

随着企业 AI 从 Copilot 走向 Agent，数据系统的角色正在被重写：它不再只是支撑报表与训练，而是要为智能体提供可理解、可访问、可追溯、可治理的数据服务。企业真正的困境往往不是「没有模型」，而是数据沉睡与 AI 悬浮并存——资产存而不通、通而不用；通用 Agent 会聊天、会调工具，却进不了核心数据研发与治理流程，更不敢被委派目标后自主跑通闭环。

本次分享围绕 DataCyber 中的 Data Agent，提出构建企业数据智能中枢的工程范式。我们将给出一个可记忆的公式 SRW + GPME：用 Skill · Role · Workflow（执行三角）把数据研发做成可复制的系统能力；用 Goal · Policy · Memory · Eval（治理四件套）回答如何从「人机协同操作」工程化走到「目标委派、结果审阅」的自主阶段。分享会明确与同场「分析可信」「Runtime 可控」议题的边界：本场聚焦数据供给与治理中枢，以及研发/治理闭环如何被 Agent 安全地规模化。

演讲提纲

1. 智能体时代，为何需要数据智能中枢

• 从 Copilot 到 Agent：数据平台角色变迁
• 双重困境：数据沉睡与 AI 悬浮
• 三阶段定位：辅助 → 协同 → 自主，当前关键在 2→3

2. 中枢最小架构：让 Agent「吃得到、用得对、留得住痕迹」

• DataCyber 底座：湖仓一体、统一调度、资产与元数据工具面
• 语义与资产层：口径、血缘、指标——中枢大脑
• MCP 工具面：业务增强优先、平台原生兜底
• 一图看懂：底座 → 语义 → Agent → 研发/治理/运维闭环

3. 范式内核 SRW：把专家经验变成可执行系统

通用 AI 在数据研发上的四个失败：不稳、难学、无闭环、无语义

• Skill：原子能力 + 契约与规范前置（可测、可追溯）
• Role：研发动线身份 + 权限与协作边界
• Workflow：主链完整 / 分支敏捷，节点级 I/O 与门禁
• 微案例：从需求文档到建模产物的分钟级闭环切片

4. 治理四件套 GPME：工程化走到阶段 3 的钥匙

• Goal：产品单元从「会话」升级为「目标 + 验收」
• Policy：按读/写/生产变更等风险分级放权，HITL 从逐步确认变为少而硬的门禁
• Memory：组织口径、纠错与最佳实践分层沉淀
• Eval：用达成率/介入率等指标解锁自主度，外环回写 Skill（人审合入）
• 公式收束：SRW 负责做完，GPME 负责做对、做稳、做越来越强

5. 实践收益、能力边界与行动建议

• 效能与规范：端到端达成率、规范执行率、人日到分钟的跃迁
• 坦诚边界：语义冷启动、写生产强门禁、跨域自进化未完成

实践痛点

1. 会聊天不等于能进生产。 通用 Agent 可以生成 SQL、调用工具，但缺业务语义、缺规范门禁、缺发布闭环时，结果是「可用但不可信」——研发仍要人肉托底，管理者看到的只是 Demo 效率，不是生产效率。

2. 协同很忙，自主不敢。 人机协同阶段 Agent 已能接管大量操作，但目标拆解、写生产、上线发布仍处处人工点头。不敢放权，是因为没有 Goal 验收、没有风险策略、没有评测仪表盘——自主变成了「更长的 ReAct」，不是可委派系统。

3. 规范靠人，规模化必垮。 命名、分层、生命周期、质量规则若只写在文档和专家脑子里，Agent 跑得越快，低水平重复和口径漂移越快。没有「规范进 Skill / 校验进门禁」，提效与「做对」必然打架。

4. 分析可信、执行可控之外，供给中枢缺位最致命。 问数要准、动作要稳，前提都是底层数据可理解、可治理、可审计。若中枢缺位，两端都会在真实业务里翻车——企业缺的往往不是又一个 Bot，而是 Agent 时代的数据供给与治理操作系统。

听众收益

1. 一套可对外复述的中枢心智：数据智能中枢 = 可调用底座 + 语义大脑 + Agent 闭环

2. 一个记忆锚点公式：SRW + GPME（执行三角 · 治理四件套），可用于设计自家 Data Agent 范式

3. 一条从阶段 2 到阶段 3 的工程路径：Goal 对象化、Policy 门禁、Memory 沉淀、Eval 解锁自主度

4. MCP 双向集成策略：业务增强优先、平台原生兜底，兼顾贴合度与完备性

5. 一份可执行的起步清单：Skill 拆解、Role 定义、主链 Workflow、HITL 风险分级与评测看板