:Agent

Caso de uso 1 - Agente de integración de datos

Descripción: Puede describir requisitos de sincronización de datos en lenguaje natural, como chino o inglés. El sistema analiza automáticamente la semántica y genera la configuración de tarea de sincronización de datos correspondiente. Esto incluye las fuentes de datos de origen y destino, las asignaciones de esquema de tablas, las condiciones de filtrado de campos, las estrategias de particionamiento y los parámetros de programación.

Procedimiento:

• En el cuadro de diálogo, escriba / y seleccione Data Integration Agent.

• Describa su requisito de sincronización de datos, incluida la fuente, el destino, los nombres de las tablas y el método de sincronización. Por ejemplo: "Cree una tarea de sincronización sin conexión para sincronizar la tabla MySQL ods_user_info_d con la tabla MaxCompute ods_user_info_d."

• El Agente analiza su requisito y completa automáticamente información como la fuente de datos y las asignaciones de tablas para crear un nodo de sincronización.

• Una vez creado el nodo, revíselo y modifíquelo según sea necesario.

  Ejemplo

  :

Caso de uso 2 - Agente de desarrollo de datos

Descripción: Ofrece una experiencia de desarrollo ETL basada en lenguaje natural que cubre todo el proceso, desde el análisis de requisitos y la generación de código hasta la creación de flujos de trabajo y el despliegue.

Procedimiento:

• Describa su requisito de desarrollo de datos en lenguaje natural y agregue contexto según sea necesario. Por ejemplo: "Construya un flujo de trabajo de análisis de perfil de usuario."

• El Agente divide la tarea en varios pasos, como crear nodos, generar código y configurar dependencias, y luego los ejecuta.

• Para el código de nodo generado, revise los cambios y elija conservarlos o descartarlos.

  Ejemplo

  :

Caso de uso 3 - Agente de operaciones y mantenimiento de datos

Descripción: Ofrece evaluaciones integrales de estado y diagnóstico de problemas para instancias de tareas. Al integrar análisis multidimensionales que incluyen cadenas de dependencias, niveles de recursos, tendencias históricas de ejecución, impactos de cambios, anomalías en registros y Data Quality, genera automáticamente informes de diagnóstico estructurados.

Para obtener más información sobre el Agente de operaciones y mantenimiento de datos, consulte Data O&M Agent.

Caso de uso 4 - Agente de Data Map

Descripción: Mejora la eficiencia para encontrar y comprender datos. Mediante la interacción en lenguaje natural impulsada por IA, puede explorar rápidamente metadatos en diversos escenarios dentro de conjuntos de datos masivos.

Capacidades principales:

• Búsqueda en lenguaje natural: Permite hacer preguntas en lenguaje natural para localizar rápidamente los datos objetivo según la intención de negocio, sin necesidad de palabras clave precisas. Por ejemplo, "Encuentra las tablas agregadas relacionadas con la actividad del usuario."

• Ajuste automático del alcance: Puede especificar un alcance en la conversación y el Agente comprenderá automáticamente la semántica para localizar rápidamente datos dentro de ese alcance. Por ejemplo, "En el proyecto adm_bi, encuentra tablas relacionadas con operaciones comerciales."

• Comprensión profunda de datos: Puede hacer preguntas de seguimiento sobre los datos objetivo para obtener rápidamente detalles como linaje de datos, propietarios y definiciones de campos. Por ejemplo, "¿Cuáles son las dependencias directas posteriores de la tabla @dws_bi_metric_di? ¿A quién afectarían los cambios en ella?"

  Ejemplo

  :

Caso de uso 5 - Agente de gobernanza de datos

Descripción: El Agente de gobernanza de datos de DataWorks ayuda a las empresas a pasar de una gobernanza proactiva a una autónoma. Puede emitir comandos en lenguaje natural en lugar de realizar análisis complejos y configuraciones extensas en formularios. El Agente convierte estos comandos en acciones de gobernanza precisas, aplica configuraciones de nivel experto y las ejecuta automáticamente.

Capacidades principales:

• Configuración de reglas de calidad: Le ayuda a configurar reglas de monitoreo de calidad para tablas clave específicas mediante lenguaje natural. El Agente de gobernanza de datos analiza los tipos de campo, la semántica de negocio y la importancia de una tabla especificada para recomendar y configurar automáticamente reglas de monitoreo apropiadas, como unicidad de clave primaria, restricciones de no nulos y verificaciones de rango de valores de enumeración. Este proceso elimina la necesidad de una exploración exhaustiva de datos y la configuración manual de reglas.

  • Ejemplo: Genere automáticamente reglas de calidad para la tabla de dimensión de usuario principal*dim_user_info*.

  • Ejemplo: Para tablas que comienzan con*ods_*, configure automáticamente reglas de calidad relacionadas con el recuento de filas de la tabla.

• Gobernanza de problemas de calidad: Para los problemas de calidad identificados automáticamente por el sistema en el módulo de gobernanza de activos de datos, como "Tablas de acceso frecuente sin reglas de calidad" o "Tablas producidas por tareas de línea base de alta prioridad sin reglas de calidad", puede proporcionar requisitos de gobernanza en lenguaje natural. Luego, el sistema analiza y remedia los problemas automáticamente.

  • Ejemplo: Encuentre tablas de acceso frecuente que no tengan reglas de calidad, luego recomiéndelas y configúrelas.

  • Ejemplo: Ayúdame a resolver problemas bajo la dimensión de calidad.

  Ejemplo

  :

Gestión de almacenamiento

El Agente de DataStudio admite la creación de nodos y archivos en un directorio de proyecto o en su directorio personal. Para garantizar una gestión precisa del almacenamiento:

• Configuración de ubicación de almacenamiento: En el Centro de configuración de Data Agent, configure The default storage path for generating code files. Para obtener más información, consulte Storage settings.

• Mecanismo de resolución de conflictos: Si el tipo de nodo generado no coincide con las reglas del directorio actual (por ejemplo, si solicita crear un nodo de integración de datos en su directorio personal), el Agente activa un mensaje de confirmación y espera su verificación antes de continuar.

Manejo de tareas complejas

Para requisitos de desarrollo con lógica compleja, el Agente proporciona retroalimentación de estado durante todo el ciclo de vida:

• Lista de tareas pendientes: El Agente divide las tareas complejas en varios pasos secundarios y los muestra como una lista de tareas pendientes. A medida que avanza la ejecución, el estado de cada elemento se actualiza automáticamente.

• Resumen de ejecución: Al final del flujo de trabajo, el Agente compila y genera un informe de resumen para toda la tarea. Este informe consolida las operaciones completadas y los recursos generados, lo que hace que el proceso de revisión sea más eficiente.

Estadísticas de tokens y rendimiento

Una vez completada una tarea, el Agente proporciona métricas cuantitativas para ayudarle a evaluar la eficiencia de la ejecución y la escala de las llamadas al modelo:

• Estadísticas de duración de la tarea: El sistema registra y muestra automáticamente el tiempo total desde el inicio hasta el final de la tarea actual, lo que le permite evaluar la eficiencia del proceso automatizado.

• Consumo de tokens: Haga clic en para comprobar el número de input tokens y output tokens generados durante la interacción.

Programación inteligente de modelos

El mecanismo de asignación inteligente de modelos del Agente crea una experiencia de desarrollo impulsada por la intención, de modo que ya no necesita elegir el modelo subyacente.

• Asignación automática de modelos (modo Auto): De forma predeterminada, el Agente opera en modo Auto. En este modo, el Agente identifica y desglosa su intención de desarrollo, y despacha automáticamente el modelo óptimo para manejar diferentes subtareas.

• Coordinación dinámica multimodelo (modo Auto): En modo Auto, el Agente puede orquestar diferentes modelos. Según las necesidades en tiempo real de una tarea, el Agente cambia flexiblemente entre varios modelos dentro de una sola conversación para garantizar que cada parte de una tarea compleja se asocie con el modelo más adecuado.

• Cambio manual de modelo: Puede salir del modo Auto y especificar un modelo diferente para el procesamiento de tareas en escenarios específicos.