Pusat Pengaturan Data Agent merupakan modul inti untuk mengonfigurasi dan mengoptimalkan asisten cerdas. Saat ini, modul ini mengintegrasikan fungsi utama seperti MCP Servers, Rules, General, dan Usage. Dengan menghubungkan ke layanan tool eksternal dan mengaktifkan kustomisasi Rule yang fleksibel, Data Agent meningkatkan efisiensi pengembangan, menjamin kualitas kode, serta menyediakan pengalaman pengembangan yang sangat personal dan cerdas.
Akses pusat pengaturan
Pusat Pengaturan Data Agent memungkinkan Anda mengonfigurasi pengaturan Rules, MCP Servers, Usage, dan General. Untuk mengakses pusat pengaturan, ikuti langkah-langkah berikut:
Di pojok kanan atas antarmuka DataWorks, klik ikon Data Agent untuk membuka panel Data Agent.
Pada panel Data Agent, klik ikon
Settings untuk menuju pusat pengaturan.
General
Di pusat pengaturan Data Agent, klik Settings untuk membuka tab Settings. Pada halaman ini, Anda dapat mengonfigurasi pengaturan pribadi berikut:
The default storage path for generating code files: Menentukan jalur penyimpanan untuk kode yang dihasilkan oleh Agent. Opsi default adalah Project Directory. Anda dapat menggantinya ke Personal Directory sesuai kebutuhan.
Manajemen seat
Fitur ini hanya tersedia di Data Agent Team Edition. Untuk informasi lebih lanjut tentang edisi Data Agent, lihat penagihan Data Agent.
Tinjauan Seat
Di pusat pengaturan Data Agent, klik Seat Management.
Metric | Description |
Token quota | Kuota token yang disediakan untuk setiap seat di Team Edition. |
Number of seats | Jumlah total seat yang telah Anda beli. Anda dapat mengklik Upgrade di pojok kanan atas untuk menyesuaikan jumlah seat. |
Allocated seats | Jumlah seat yang telah dialokasikan kepada pengguna. |
Remaining allocatable seats | Jumlah seat yang tersedia namun belum dialokasikan. Ini merupakan selisih antara jumlah total seat dan jumlah seat yang telah dialokasikan. |
Alokasikan seat
Jika terdapat seat yang masih dapat dialokasikan, administrator tenant dapat mengalokasikan seat ke Akun Alibaba Cloud tertentu. Untuk melakukannya, lakukan langkah-langkah berikut:
Di area daftar seat pada tab manajemen seat, klik Allocate Seat.
Pada kotak dialog yang muncul, pilih Akun Alibaba Cloud yang akan menerima alokasi seat.
Klik Confirm untuk menyelesaikan alokasi. Pengguna tersebut kemudian akan muncul dalam daftar seat dan dapat mulai menggunakan fitur Data Agent.
Membatalkan alokasi kursi
Administrator tenant dapat melakukan dealokasi seat untuk mereklaimnya. Setelah seat didealokasi, pengguna terkait kehilangan akses ke Data Agent, dan seat yang direklaim dapat dialokasikan ulang ke pengguna lain.
Untuk mendealokasi satu seat: Di daftar seat, temukan seat target dan klik Deallocate pada kolom Actions.
Untuk mendealokasi beberapa seat sekaligus: Di daftar seat, centang kotak pilihan pada seat yang ingin didealokasi, lalu klik tombol Batch Deallocate di bawah daftar.
Daftar kursi
Daftar seat menyediakan detail berikut untuk setiap seat yang telah dialokasikan:
Field | Description |
Seat number | Identifikasi unik seat, yang dihasilkan secara otomatis oleh sistem. |
Owner | Akun pengguna yang menerima alokasi seat. |
Token usage | Jumlah token yang dikonsumsi oleh seat tersebut. Administrator dapat menggunakan metrik ini untuk memantau penggunaan sumber daya per seat. |
Allocation time | Waktu saat seat dialokasikan ke pengguna saat ini. |
Actions | Untuk seat yang telah dialokasikan, Anda dapat mengklik Deallocate untuk mereklaimnya. |
Usage
Fitur Usage adalah alat wawasan data untuk administrator dan developer. Fitur ini membantu Anda mengevaluasi penggunaan fitur AI secara kuantitatif, melacak tren, serta mengelola konsumsi token. Di pusat pengaturan Data Agent, klik Usage untuk membuka tab Usage.
Fitur Usage saat ini mendukung wilayah berikut: Tiongkok (Chengdu), Tiongkok (Shenzhen), Tiongkok (Beijing), Tiongkok (Shanghai), dan Tiongkok (Hangzhou). Dukungan untuk wilayah lain akan segera tersedia.
Metrik inti
Laporan penggunaan memungkinkan Anda melihat data penggunaan Data Agent dari berbagai perspektif. Anda dapat menggunakan filter di bagian atas halaman untuk menyesuaikan cakupan analisis:
Statistical scope: Beralih antar perspektif berbeda untuk melihat data penggunaan.
Perspective
Description
Tenant perspective
Lihat data agregat untuk semua ruang kerja di bawah tenant saat ini.
Workspace perspective
Lihat data penggunaan untuk ruang kerja yang memiliki izin akses.
Personal perspective
Lihat data penggunaan pribadi Anda. Jika Anda adalah administrator tenant, Anda juga dapat melihat penggunaan anggota lain dalam tenant tersebut. Pengguna non-administrator hanya dapat melihat data penggunaan mereka sendiri.
Statistical period: Sesuaikan tanggal mulai dan akhir untuk melihat data penggunaan dalam periode waktu tertentu.
Feature point: Filter data berdasarkan modul fitur (dukungan pemilihan ganda) untuk melihat penggunaan fitur seperti Agent, code programming assistant, quick AI actions, dan ChatBI smart analysis.
Setelah Anda memilih statistical scope, statistical period, dan feature points, halaman akan menampilkan tiga metrik inti berikut. Setiap metrik mencakup tren perubahan minggu-ke-minggu.
Number of requests: Total jumlah permintaan Data Agent yang memenuhi kondisi yang ditentukan dalam periode statistik saat ini.
Number of users: Jumlah pengguna unik yang menggunakan Data Agent dan memenuhi kondisi yang ditentukan dalam periode statistik saat ini.
Tokens consumed: Total jumlah token, termasuk input dan output, yang dikonsumsi oleh permintaan Data Agent yang memenuhi kondisi yang ditentukan dalam periode statistik saat ini.
Di bawah metrik inti, bagian Metric Details menampilkan grafik garis yang menunjukkan tren metrik inti selama periode yang dipilih. Anda dapat mengaktifkan Group by feature point untuk membandingkan proporsi penggunaan berbagai modul fitur. Bagian Activity Index menggunakan peta panas kalender untuk menunjukkan aktivitas penggunaan sepanjang tahun. Warna yang lebih gelap menunjukkan penggunaan yang lebih tinggi pada hari tertentu. Hal ini membantu Anda dengan mudah mengidentifikasi periode puncak dan periode rendah.
Rincian konsumsi token
Tabel rincian konsumsi token mencatat konsumsi sumber daya untuk setiap panggilan AI. Ini membantu Anda melakukan analisis biaya, pemecahan masalah anomali, dan audit penggunaan. Tabel ini berisi bidang-bidang berikut:
Field | Description |
Time | Waktu saat permintaan dilakukan. |
User | Identifikasi pengguna yang menginisiasi permintaan. |
request ID | Identifikasi unik untuk setiap permintaan. Jika Anda mendeteksi konsumsi token yang tidak normal, Anda dapat menggunakan request ID untuk melokalisasi dan menyelidiki panggilan spesifik tersebut. |
Feature point | Modul fitur yang digunakan oleh permintaan, seperti code programming assistant atau Agent. |
Intent name | Jenis intent spesifik yang diidentifikasi untuk permintaan, seperti single-line smart completion atau data development Agent. |
Input tokens | Jumlah token input yang dikirim ke model dalam permintaan. |
Output tokens | Jumlah token output yang dikembalikan oleh model. |
Total tokens | Jumlah total token input dan output yang dikonsumsi oleh permintaan. |
Skills
Skill adalah modul instruksi kustom dalam Data Agent yang memperluas kemampuan AI-nya. Dengan membuat Skill, Anda dapat mengenkapsulasi proses bisnis, logika pemrosesan data, atau metode analisis tertentu menjadi komponen yang dapat digunakan kembali. Hal ini memungkinkan Data Agent menjalankan tugas khusus mengikuti alur kerja yang telah ditentukan, seperti analisis tabel pivot Excel atau tinjauan kualitas SQL.
Buat skill
Di pusat pengaturan Data Agent, klik tab Skill. Klik Create Skill dan konfigurasikan parameter berikut:
Parameter | Description |
Name | Nama unik untuk Skill tersebut. Kami menyarankan Anda menggunakan bahasa Inggris dan tanda hubung, seperti |
Description | Deskripsi fungsi Skill tersebut. Ini membantu pengguna memahami tujuan dan skenario penerapannya dengan cepat. |
Skill body | Konten inti Skill, ditulis dalam format Markdown. Anda dapat menentukan skenario penerapan, langkah-langkah alur kerja, dan format output. Data Agent menjalankan tugas sesuai instruksi dalam isi tersebut. |
Upload file | Anda dapat mengunggah paket file sumber daya dalam format |
Scope | Pilih cakupan visibilitas untuk Skill tersebut:
|
Gunakan skill dalam percakapan
Setelah Skill dibuat, Anda dapat menggunakannya dalam percakapan dengan Data Agent. Di bawah kotak input percakapan, klik ikon 
. Pada menu konteks yang muncul, pilih Skill, lalu pilih Skill spesifik yang ingin Anda terapkan pada percakapan saat ini. Data Agent kemudian akan menjalankan tugas sesuai alur kerja dan instruksi yang didefinisikan dalam Skill tersebut.
MCP Servers
MCP (Model Context Protocol) Server adalah kumpulan layanan tool backend yang diandalkan Data Agent untuk menjalankan tugas. Layanan ini menyediakan tool, sumber data, dan API untuk operasi seperti kueri, analisis, dan pembuatan kode. Di pusat pengaturan, Anda dapat melihat MCP Server resmi bawaan Alibaba Cloud-DataWorks-MCP-Server dan tool terkaitnya.
Akses MCP Servers
Di pusat pengaturan Data Agent, klik MCP Servers untuk menuju tab MCP Servers.
Gunakan MCP server
Tool terkait MCP Server dapat digunakan di Agent. Untuk informasi lebih lanjut, lihat Agent.
Rules
Rule adalah mekanisme inti untuk memberikan konteks persisten, standar, dan preferensi kepada DataWorks Data Agent. Hal ini memastikan bahwa kode dan tanggapan yang dihasilkannya secara tepat mengikuti persyaratan spesifik Anda.
Jenis aturan dan izin
DataWorks menyediakan dua jenis Rule: Personal dan Enterprise.
Type | Definition and purpose | Permission control | Scope |
Personal Rules | Dibuat dan dikelola oleh developer individual untuk mengenkapsulasi kebiasaan pengkodean pribadi, potongan kode yang sering digunakan, dan deskripsi proyek. | Hanya terlihat dan berlaku bagi pembuatnya. Pengguna lain tidak dapat melihat atau menggunakannya. | Berlaku di tingkat pribadi. Dapat dipanggil di ruang kerja mana pun yang dapat diakses pengguna. |
Enterprise-class Rules | Ditetapkan oleh administrator untuk menetapkan dan menegakkan standar pengembangan umum, seperti konvensi pelapisan gudang data, panduan gaya kode, dan instruksi penggunaan tabel inti. | Dapat dibuat, diedit, dan dikelola oleh administrator ruang kerja dan pengguna dengan izin tingkat lebih tinggi. | Dapat diterapkan secara global atau ke ruang kerja tertentu. |
Fitur Enterprise-class Rules hanya tersedia di Data Agent Team Edition. Untuk informasi lebih lanjut tentang edisi Data Agent, lihat penagihan Data Agent.
Membuat dan Mengelola Aturan
Di pusat pengaturan Data Agent, beralihlah ke tab Rules. Pada halaman manajemen Rule, Anda dapat melakukan tindakan berikut:
Beralih antara tab Personal Rules dan Enterprise-class Rules untuk mengelola setiap jenis Rule secara terpisah.
Menampilkan informasi tentang Rule yang sudah ada, seperti nama, mekanisme aktivasi, dan cakupannya.
Menampilkan, mengedit, atau menghapus Rule yang sudah ada.
Klik New Rule untuk membuat Rule baru.
Saat membuat atau mengedit Rule, konfigurasikan atribut inti berikut:
Attribute | Description |
Rule Name | Tetapkan nama yang mudah dikenali dan deskripsi detail untuk Rule tersebut. |
Rule Content | Inti dari Rule, yaitu informasi prompt kontekstual spesifik yang ingin Anda berikan kepada AI. Anda dapat menentukan standar dan konvensi yang harus diikuti Data Agent saat menghasilkan kode. Input manual dan unggah dokumen didukung.
|
Entry into force mechanism | Menentukan kebijakan cara Rule secara otomatis dimasukkan ke dalam percakapan. Ini selaras dengan filosofi desain Cursor.
|
Scope of entry into force | Untuk Rule Enterprise, Anda dapat menetapkan cakupan untuk mengontrol di mana Rule tersebut terlihat dan dapat digunakan.
|
Berikut adalah contoh Rule:
Nama Rule: Konvensi penamaan tabel dan node
Konten Rule:
# Konvensi penamaan tabel dan node gudang data DataWorks (ODS/DWD/DWS/ADS) Sebagai arsitek gudang data senior, Anda harus secara ketat mengikuti konvensi penamaan ini saat membuat tabel atau node apa pun di DataWorks. Konvensi ini penting untuk memastikan aset data Anda jelas, mudah dipelihara, dan konsisten. ### 1. Konvensi Penamaan Tabel Semua nama tabel harus mengikuti paradigma terstruktur yang terpadu. #### 1.1 Formula penamaan inti LayerPrefix_[CustomDescription]_[UpdateStrategySuffix] #### 1.2 Awalan Lapisan - [Wajib] - DIM (Lapisan Dimensi):dim_DWD (Detail layer):dwd_DWS (Summary layer):dws_ADS (Application layer):ads_DIM (Dimension layer):_dfDWD (Detail layer):_di_dfDWS / ADS (Summary/Application layer):_1d_7d_nd_Contoh tabel DIM:dim_user_info_dfContoh tabel DWD (incremental):dwd_trade_order_detail_diContoh tabel DWD (lengkap):dwd_product_base_info_dfContoh tabel DWS:dws_user_active_uv_7dContoh tabel ADS:ads_screen_kpi_overview_1dPrinsip penamaan:[Layer]_[BusinessLogic]Contoh:dwd_trade_order_detail_didwd_trade_order_detail_didws_build_user_active_uv_7d Harus diawali dengan <code data-tag="inlineCode" id="1aace41429q8b">dim_
Gunakan rule dalam percakapan
Rule yang telah dikonfigurasi berlaku selama interaksi harian Anda dengan Data Agent.
Untuk Rule yang diatur ke Always applied., tidak diperlukan tindakan tambahan. Saat Data Agent menghasilkan kode atau tanggapan, Rule tersebut digunakan sebagai pengetahuan latar belakang dan batasan secara default.
Untuk Rule yang diatur ke Manual application, Anda dapat mengaktifkannya secara manual selama percakapan:
Klik tombol
di bawah kotak input.Pada menu konteks yang muncul, pilih Rule, lalu pilih Rule spesifik yang ingin Anda terapkan pada percakapan saat ini.
FAQ
Perbedaan antara skills dan rules
Baik Skills maupun Rules adalah mekanisme untuk memperluas kemampuan Data Agent, tetapi memiliki peran dan tujuan yang berbeda:
Dimension | Skill | Rule |
Role | Alur kerja berorientasi tugas yang dapat digunakan kembali, yang mengenkapsulasi proses bisnis dan langkah eksekusi tertentu. | Konteks persisten berorientasi kendala yang memberikan standar, preferensi, dan pengetahuan latar belakang kepada AI. |
Purpose | Menentukan "apa yang harus dilakukan" dan "bagaimana melakukannya" untuk tugas tertentu, seperti analisis tabel pivot Excel atau tinjauan kualitas SQL. | Menentukan "standar apa yang harus diikuti", seperti konvensi penamaan gudang data, panduan gaya kode, atau instruksi penggunaan tabel inti. |
Activation method | Pemanggilan sesuai permintaan. Anda memicu Skill dengan memilihnya secara manual dalam percakapan. | Mendukung aktivasi otomatis (selalu aktif) dan aktivasi manual (sesuai permintaan). |
Attachment support | Mendukung unggahan paket sumber daya .zip, yang dapat mencakup file data, contoh, dan sumber daya lainnya. | Mendukung input manual atau unggahan file dokumen, seperti file .doc, .pdf, atau .md, sebagai konten Rule. |
Rekomendasi:
Gunakan Skill ketika Anda membutuhkan Data Agent untuk menyelesaikan tugas spesifik dengan serangkaian langkah tetap, seperti analisis data atau pembuatan laporan.
Gunakan Rule ketika Anda membutuhkan Data Agent untuk secara konsisten mengikuti standar tertentu, seperti konvensi penamaan atau gaya kode, dalam semua percakapan.
Skill dan Rule dapat digunakan bersama. Misalnya, Anda dapat menggunakan Rule untuk menetapkan standar pengkodean tim Anda dan kemudian menggunakan Skill untuk mengenkapsulasi proses tinjauan kode tertentu. Hal ini memungkinkan Data Agent secara otomatis mengikuti standar tim saat menjalankan tugas tinjauan.
Perbedaan antara skills dan MCP servers
Baik Skill maupun MCP Servers memperluas kemampuan Data Agent, tetapi beroperasi pada level yang berbeda:
Dimension | Skill | MCP Server |
Role | Lapisan instruksi. Mendefinisikan alur kerja dan logika eksekusi dengan menggunakan bahasa alami untuk memberi tahu AI "bagaimana menyelesaikan tugas". | Lapisan tool. Memberikan AI tool eksternal dan sumber data yang dapat dipanggil, memberinya "kemampuan untuk melakukan tindakan". |
Capability scope | Mengoordinasikan kemampuan yang sudah ada dengan menggabungkan beberapa langkah menjadi proses bisnis lengkap. | Memperluas kemampuan baru dengan mengintegrasikan API sistem eksternal dan sumber data, seperti kueri data atau eksekusi tindakan. |
Typical scenarios | Analisis tabel pivot Excel, tinjauan kualitas SQL, dan alur kerja tinjauan kode. | Kueri metadata DataWorks, panggil API eksternal, dan akses sumber data. |
Rekomendasi:
Gunakan Skill ketika Anda perlu mengoordinasikan kemampuan yang sudah ada untuk menyelesaikan proses bisnis tertentu. Anda dapat membuatnya dengan cepat tanpa pemrograman.
Gunakan MCP Server ketika Anda perlu mengaktifkan Data Agent untuk mengakses sistem eksternal dengan mengintegrasikan layanan tool yang sesuai.
Skill dan MCP Servers dapat bekerja sama. MCP Server menyediakan kemampuan tool dasar, dan Skill mengoordinasikan tool tersebut menjadi alur kerja. Misalnya, MCP Server dapat menyediakan tool untuk kueri metadata DataWorks, dan Skill dapat menggunakan tool tersebut untuk mendefinisikan proses analisis alur data yang lengkap.