Apache SeaTunnel AI CLI Benchmark:7 款大模型、100 个 ETL 任务实测,谁真正能跑起来?
摘要: 大模型正在快速进入数据工程领域,承担理解自然语言需求、生成 ETL 任务配置、校验配置,以及在执行失败后协助定位和修复问题等工作。对团队而言,真正困难的并不是让模型“生成一份配置”,而是避免选到一个只会生成看似正确、却无法在生产环境中稳定运行的模型。 对 ETL 来说,配置能够生成、甚至通过静态校验,都不等价于数据管道能够连接真实数据源、满足 CDC 等运行前置条件,并完成端到端的数据同步。若仅依据通用榜单或一次生成结果做选型,团队可能把后续的失败重试、人工排障与不可控成本带入生产环境。 本文以 Apache SeaTunnel AI CLI 项目为基础,对主流的 7 个模型完成 ...