DataWorks:Agent

Langkah 1: Alihkan ke mode Agent

Di halaman Data Studio, klik ikon di pojok kanan atas untuk membuka Data Agent Chat (mode Ask). Di pojok kiri bawah kotak dialog, alihkan ke mode Agent.

Langkah 2: Pilih Agent

Anda dapat mengklik / atau mengetik / di kotak input untuk membuka menu Agent dengan cepat dan memilih Agent khusus untuk tugas Anda saat ini. Jenis Agent meliputi: Data Integration Agent, Data Map Agent, Data Development Agent, Data Governance Agent, dan Data O&M Agent.

Langkah 3: Tambahkan konteks (opsional)

Anda dapat mengetik @ di kotak dialog atau mengklik ikon @ di pojok kanan bawah untuk memilih dan menambahkan konteks yang diperlukan, sehingga memberikan informasi latar belakang yang lebih kaya kepada Agent.

Jenis konteks yang didukung adalah:

• Table: Referensikan metadata satu atau beberapa tabel.

• Node/Code File: Referensikan kode dalam node tertentu.

• Data collection: Referensikan kumpulan data dari Data Map.

• Rules: Terapkan sementara satu atau beberapa aturan kualitas pada percakapan saat ini.

• Local File: Unggah dokumen lokal untuk memberikan informasi latar belakang.

Langkah 4: Alihkan large model (opsional)

Secara default, Agent menggunakan mode Auto. Dalam mode ini, Agent melakukan penjadwalan model cerdas dan alokasi otomatis berdasarkan skenario tugas. Agent juga mendukung pergantian mulus antara beberapa model. Untuk detail selengkapnya, lihat 4. Intelligent model scheduling. Anda juga dapat mengklik ikon di bagian bawah kotak dialog untuk memilih dari large model lain yang didukung.

Langkah 5: Mulai percakapan

Masukkan permintaan Anda di kotak dialog. Anda dapat memperjelas dan menguraikan maksud Anda melalui beberapa putaran percakapan, misalnya dengan mengajukan pertanyaan lanjutan atau memberikan detail tambahan, hingga Agent sepenuhnya memahami tujuan Anda dan menghasilkan hasil yang diinginkan.

Kasus penggunaan 1 - Data Integration Agent

Deskripsi: Anda dapat mendeskripsikan kebutuhan sinkronisasi data dalam bahasa alami, seperti Bahasa Mandarin atau Inggris. Sistem secara otomatis mengurai semantik dan menghasilkan konfigurasi tugas sinkronisasi data yang sesuai. Ini mencakup sumber data dan tujuan, pemetaan struktur tabel, kondisi filter bidang, strategi partisi, dan parameter penjadwalan.

Prosedur:

1. Di kotak dialog, masukkan / dan pilih Data Integration Agent.

2. Deskripsikan kebutuhan sinkronisasi data Anda, termasuk sumber, tujuan, nama tabel, dan metode sinkronisasi. Contohnya: "Buat tugas sinkronisasi offline untuk menyinkronkan tabel MySQL ods_user_info_d ke tabel MaxCompute ods_user_info_d."

3. Agent mengurai kebutuhan Anda dan secara otomatis mengisi informasi seperti sumber data dan pemetaan tabel untuk membuat node sinkronisasi data.

4. Setelah node dibuat, Anda dapat meninjau dan memodifikasinya.

Kasus penggunaan 2 - Data Development Agent

Deskripsi: Menawarkan pengalaman pengembangan ETL berbasis bahasa alami yang mencakup seluruh proses mulai dari analisis kebutuhan, pembuatan kode, hingga pembuatan dan penerapan alur kerja.

Prosedur:

1. Deskripsikan kebutuhan pengembangan data Anda dalam bahasa alami dan tambahkan konteks jika diperlukan. Contohnya: "Bangun alur kerja analisis profil pengguna."

2. Agent memecah tugas menjadi beberapa langkah, seperti membuat node, menghasilkan kode, dan mengonfigurasi dependensi, lalu mengeksekusinya.

3. Untuk kode node yang dihasilkan, Anda dapat meninjau perubahannya dan memilih untuk menyimpan atau membatalkannya.

Kasus penggunaan 3 - Data O&M Agent

Deskripsi: Menyediakan penilaian kesehatan komprehensif dan diagnostik masalah untuk instans tugas. Dengan mengintegrasikan analisis multidimensi termasuk rantai dependensi, tingkat resource, tren eksekusi historis, dampak perubahan, anomali log, dan kualitas data, sistem secara otomatis menghasilkan laporan diagnostik terstruktur.

Untuk informasi selengkapnya tentang Data O&M Agent, lihat AI O&M.

Kasus penggunaan 4 - Data Map Agent

Deskripsi: Meningkatkan efisiensi dalam menemukan dan memahami data. Melalui interaksi bahasa alami berbasis AI, Anda dapat dengan cepat menjelajahi metadata di berbagai skenario dalam dataset besar.

Kemampuan inti:

• Pencarian bahasa alami: Memungkinkan Anda mengajukan pertanyaan dalam bahasa alami untuk dengan cepat menemukan data target berdasarkan maksud bisnis tanpa perlu kata kunci yang tepat. Contohnya, "Temukan tabel ringkasan yang terkait dengan aktivitas pengguna."

• Penyesuaian cakupan otomatis: Anda dapat menentukan cakupan dalam percakapan, dan Agent akan secara otomatis memahami semantik serta dengan cepat menemukan data dalam cakupan tersebut. Contohnya, "Di proyek adm_bi, temukan tabel yang terkait dengan operasi bisnis."

• Pemahaman data mendalam: Anda dapat mengajukan pertanyaan lanjutan tentang data target untuk dengan cepat mendapatkan detail seperti alur data, pemilik, dan definisi bidang. Contohnya, "Apa saja dependensi downstream langsung dari tabel @dws_bi_metric_di? Siapa yang akan terdampak oleh perubahan pada tabel tersebut?"

Kasus penggunaan 5 - Data Governance Agent

Deskripsi: Data Governance Agent dari DataWorks membantu perusahaan beralih dari tata kelola data proaktif ke otonom. Anda dapat memberikan perintah dalam bahasa alami alih-alih melakukan analisis dan konfigurasi data yang kompleks. Agent mengonversi perintah tersebut menjadi aksi tata kelola yang tepat, menerapkan konfigurasi tingkat ahli, dan mengeksekusinya secara otomatis.

Kemampuan inti:

• Konfigurasi aturan kualitas: Membantu Anda mengonfigurasi aturan pemantauan kualitas untuk tabel kunci tertentu menggunakan bahasa alami. Data Governance Agent menganalisis jenis bidang, semantik bisnis, dan tingkat kepentingan tabel yang ditentukan untuk secara otomatis merekomendasikan dan mengonfigurasi aturan pemantauan yang sesuai, seperti keunikan primary key, batasan non-null, dan pemeriksaan rentang nilai enum. Proses ini menghilangkan kebutuhan eksplorasi data secara luas dan konfigurasi aturan manual.

  • Contoh: Secara otomatis menghasilkan aturan kualitas untuk tabel dimensi pengguna inti dim_user_info.

  • Contoh: Untuk tabel yang diawali dengan ods_, secara otomatis konfigurasikan aturan kualitas terkait jumlah baris tabel.

• Tata kelola isu kualitas: Untuk isu kualitas yang secara otomatis diidentifikasi oleh sistem di modul tata kelola data, seperti "Tabel yang sering diakses tanpa aturan kualitas" atau "Tabel yang dihasilkan oleh tugas baseline prioritas tinggi tanpa aturan kualitas", Anda dapat memberikan persyaratan tata kelola dalam bahasa alami. Sistem kemudian secara otomatis menganalisis dan memperbaiki isu tersebut.

  • Contoh: Temukan tabel yang sering diakses namun tidak memiliki aturan kualitas, lalu rekomendasikan dan konfigurasikan aturan tersebut.

  • Contoh: Bantu saya menyelesaikan isu terkait kualitas data.

1. Manajemen penyimpanan

Data Development Agent mendukung pembuatan node dan file baik di direktori proyek maupun direktori pribadi Anda. Untuk memastikan manajemen penyimpanan yang tepat:

• Pengaturan lokasi penyimpanan: Di Pusat Pengaturan Data Agent, konfigurasikan The default storage path for generating code files. Untuk informasi selengkapnya, lihat Personal Settings.

• Mekanisme resolusi konflik: Jika jenis node yang dihasilkan tidak sesuai dengan aturan direktori saat ini (misalnya, Anda meminta membuat node integrasi data di direktori pribadi), Agent akan memicu prompt konfirmasi dan menunggu verifikasi Anda sebelum melanjutkan.

2. Penanganan tugas kompleks

Untuk kebutuhan pengembangan dengan logika kompleks, Agent memberikan umpan balik status sepanjang siklus hidup:

• Daftar tugas: Agent memecah tugas kompleks menjadi beberapa sub-langkah dan menampilkannya sebagai daftar tugas. Seiring berjalannya eksekusi, status setiap item diperbarui secara otomatis.

• Rangkuman eksekusi: Di akhir alur kerja, Agent menyusun dan mengeluarkan laporan rangkuman untuk seluruh tugas. Laporan ini mengkonsolidasikan operasi yang telah selesai dan resource yang dihasilkan, sehingga mempermudah proses tinjauan.

3. Statistik token dan kinerja

Setelah tugas selesai, Agent menyediakan metrik kuantitatif untuk membantu Anda menilai efisiensi eksekusi dan skala pemanggilan model:

• Statistik durasi tugas: Sistem secara otomatis mencatat dan menampilkan total waktu dari awal hingga akhir tugas saat ini, sehingga Anda dapat mengevaluasi efisiensi proses otomatisasi.

• Konsumsi token: Menghitung secara tepat jumlah input tokens dan output tokens yang dihasilkan selama interaksi.

  

4. Penjadwalan model cerdas

Mekanisme alokasi model cerdas Agent menciptakan pengalaman pengembangan berbasis maksud, sehingga menghilangkan kebutuhan untuk memilih model dasar.

• Alokasi model otomatis (mode Auto): Secara default, Agent beroperasi dalam mode Auto. Dalam mode ini, Agent mengenali dan memecah maksud pengembangan Anda, lalu secara otomatis menugaskan model optimal untuk menangani berbagai sub-tugas.

• Koordinasi multi-model dinamis (mode Auto): Dalam mode Auto, Agent dapat melakukan orkestrasi lintas model yang berbeda. Berdasarkan kebutuhan real-time suatu tugas, Agent secara fleksibel beralih antara beberapa model dalam satu percakapan untuk memastikan setiap bagian tugas kompleks dipasangkan dengan model yang paling sesuai.

• Pergantian model manual: Meskipun tersedia otomatisasi, Anda dapat beralih dari mode Auto dan menentukan model berbeda untuk pemrosesan tugas dalam skenario tertentu.