我设计的 AIPDataAgent 产品的设计思路
上个月，一个做电商的朋友跟我吐槽了一件事。他们团队每周要花两天跑数据。分析师写好 SQL，丢数据平台跑，出了结果导 Excel 做透视表，最后粘到 PPT 里。七八个工具来回切，中间还得等人批数据库权限。两天里真正在分析的时间，可能不到两个小时。这不是他一家的问题。过去十年，Hadoop、Spark、Flink、ClickHouse、数据中台，基础设施建了一轮又一轮。但业务人员真正想用数据回答一个问题的时候——比如"上个月华东区退货率为什么高了"——还是卡在同样的地方。你得先想清楚查哪些表、用什么口径、怎么排干扰因素、怎么交叉验证。每个环节都要专业知识。工具再多，这一步没人替你干。LLM 出来后，很快有了 Text-to-SQL 产品：用自然语言问，它帮你写 SQL。方向对，但不够。现实中的数据分析是一串连续的决策，不是一问一答：你先宽泛扫一眼，发现异常；锁定嫌疑维度下钻；某个维度波动反常，换个角度交叉验证；排除几个假设，定位根因；最后用图表和文字把结论说清楚。每一步都依赖上一步的结果。每一步都需要 Agent 自己判断下一步该干什么。Agentic 的价值就在这——不是翻译一句 SQL，是自己规划路径、自己动手、自己验证。所以 DataAgent 要做的事情很明确：一个能自主规划分析路径、自己取数、自己验证、自己出结论的数据协作者。
