DataWorks:Agent

Etapa 1: Alternar para o modo Agent

Na página do Data Studio, clique em no canto superior direito para abrir o Data Agent Chat (modo Ask). No canto inferior esquerdo da caixa de diálogo, alterne para o modo Agent.

Etapa 2: Selecionar um Agent

Clique em / ou digite / na caixa de entrada para abrir rapidamente o menu do Agent e selecione o Agent dedicado à sua tarefa atual. Os tipos de Agent incluem: Data Integration Agent, Data Map Agent, Data Development Agent, Data Governance Agent e Data O&M Agent.

Etapa 3: Adicionar contexto (opcional)

Digite @ na caixa de diálogo ou clique em @ no canto inferior direito para selecione e adicionar o contexto necessário, fornecendo informações de base mais ricas ao Agent.

Os tipos de contexto compatíveis são:

• Table: Referencia os metadados de uma ou mais tabelas.

• Node/Code File: Referencia o código dentro de um nó específico.

• Data collection: Referencia uma coleção de dados do Data Map.

• Rules: Aplica temporariamente uma ou mais regras de qualidade à conversa atual.

• Local File: Faz upload de um documento local para fornecer informações de contexto.

Etapa 4: Alternar grandes modelos de linguagem (opcional)

Por padrão, o Agent opera no modo Auto. Nesse modo, ele realiza agendamento inteligente de modelos e alocação automática com base no cenário da tarefa. Também há suporte para alternância perfeita entre múltiplos modelos. Para mais detalhes, consulte 4. Agendamento inteligente de modelos. Você também pode clique em na parte inferior da caixa de diálogo para escolher outros grandes modelos de linguagem compatíveis.

Etapa 5: Iniciar a conversa

Insira sua solicitação na caixa de diálogo. Refine e esclareça sua intenção por meio de múltiplas interações, fazendo perguntas complementares ou fornecendo detalhes adicionais, até que o Agent compreenda totalmente seu objetivo e produza o resultado desejado.

Caso de uso 1 - Data Integration Agent

Descrição: Descreva requisitos de sincronização de dados em linguagem natural, como chinês ou inglês. O sistema analisa automaticamente a semântica e gera a configuração correspondente da tarefa de sincronização. Isso inclui as fontes de dados de source e destino, mapeamentos de estrutura de tabela, condições de filtragem de campos, estratégias de particionamento e parâmetros de agendamento.

Procedimento:

1. Na caixa de diálogo, insira / e selecione Data Integration Agent.

2. Descreva seu requisito de sincronização de dados, incluindo source, destino, nomes das tabelas e método de sincronização. Por exemplo: "Crie uma tarefa de sincronização offline para sincronizar a tabela MySQL ods_user_info_d para a tabela MaxCompute ods_user_info_d."

3. O Agent analisa seu requisito e preenche automaticamente informações como fonte de dados e mapeamentos de tabela para crie um nó de sincronização de dados.

4. Após a criação do nó, revise-o e modifique-o conforme necessário.

Caso de uso 2 - Data Development Agent

Descrição: Oferece uma experiência de desenvolvimento ETL baseada em linguagem natural, cobrindo todo o processo desde a análise de requisitos e geração de código até a criação e implantação de fluxos de trabalho.

Procedimento:

1. Descreva seu requisito de desenvolvimento de dados em linguagem natural e adicione contexto conforme necessário. Por exemplo: "Construa um fluxo de trabalho de análise de perfil de usuário."

2. O Agent divide a tarefa em várias etapas, como criação de nós, geração de código e configuração de dependências, e então as execute.

3. Para o código do nó gerado, revise as alterações e escolha mantê-las ou descartá-las.

Caso de uso 3 - Data O&M Agent

Descrição: Proporciona avaliações abrangentes de integridade e diagnóstico de problemas para instâncias de tarefas. Ao integrar análises multidimensionais — incluindo cadeias de dependência, níveis de recursos, tendências históricas de execução, impactos de alterações, anomalias de log e qualidade de dados —, gera automaticamente relatórios de diagnóstico estruturados.

Para mais informações sobre o Data O&M Agent, consulte O&M impulsionado por IA.

Caso de uso 4 - Data Map Agent

Descrição: Aumenta a eficiência na busca e compreensão de dados. Por meio de interação em linguagem natural impulsionada por IA, explore rapidamente metadados em diversos cenários dentro de conjuntos de dados massivos.

Capacidades principais:

• Busca em linguagem natural: Permite fazer perguntas em linguagem natural para localizar rapidamente os dados alvo com base na intenção de negócio, sem necessidade de palavras-chave precisas. Por exemplo, "Encontre as tabelas de resumo relacionadas à atividade do usuário."

• Ajuste automático de escopo: Especifique um escopo na conversa e o Agent compreenderá automaticamente a semântica, localizando rapidamente os dados dentro desse limite. Por exemplo, "No projeto adm_bi, encontre tabelas relacionadas a operações comerciais."

• Compreensão profunda de dados: Faça perguntas complementares sobre os dados alvo para obter rapidamente detalhes como linhagem de dados, proprietários e definições de campos. Por exemplo, "Quais são as dependências diretas downstream da tabela @dws_bi_metric_di? Quem seria afetado por alterações nela?"

Caso de uso 5 - Data Governance Agent

Descrição: O Data Governance Agent do DataWorks ajuda as empresas a fazerem a transição de uma governança proativa para autônoma. Em vez de realizar análises e configurações complexas, emita comandos em linguagem natural. O Agent converte esses comandos em ações precisas de governança, aplica configurações de nível especialista e as executa automaticamente.

Capacidades principais:

• Configuração de regras de qualidade: Auxilia na configuração de regras de monitoramento de qualidade para tabelas-chave especificadas usando linguagem natural. O Data Governance Agent analisa os tipos de campo, a semântica de negócios e a importância de uma tabela especificada para recomendar e configure automaticamente regras de monitoramento apropriadas, como unicidade de chave primária, restrições não nulas e verificações de intervalo de valores enum. Esse processo elimina a necessidade de extensa exploração de dados e configuração manual de regras.

  • Exemplo: Gerar automaticamente regras de qualidade para a tabela de dimensão de usuário central dim_user_info.

  • Exemplo: Para tabelas que começam com ods_, configure automaticamente regras de qualidade relacionadas à contagem de linhas da tabela.

• Governança de problemas de qualidade: Para problemas de qualidade identificados automaticamente pelo sistema no módulo de governança de dados, como "Tabelas frequentemente acessadas sem regras de qualidade" ou "Tabelas produzidas por tarefas de linha de base de alta prioridade sem regras de qualidade", forneça requisitos de governança em linguagem natural. O sistema então analisa e corrige os problemas automaticamente.

  • Exemplo: Encontrar tabelas frequentemente acessadas que não possuem regras de qualidade e, em seguida, recomendá-las e configurá-las.

  • Exemplo: Ajude-me a resolver problemas sob a dimensão de qualidade.

1. Gerenciamento de armazenamento

O Data Development Agent suporta a criação de nós e arquivos tanto em um diretório de projeto quanto em seu diretório pessoal. Para garantir o gerenciamento adequado do armazenamento:

• Configurações de local de armazenamento: No Data Agent Settings Center, configure o caminho de armazenamento padrão para geração de arquivos de código. Para mais informações, consulte Personal Settings.

• Mecanismo de resolução de conflitos: Se o tipo de nó gerado for inconsistente com as regras do diretório atual (por exemplo, se você solicitar a criação de um nó de integração de dados em seu diretório pessoal), o Agent aciona um prompt de confirmação e aguarda sua verificação antes de prosseguir.

2. Tratamento de tarefas complexas

Para requisitos de desenvolvimento com lógica complexa, o Agent fornece feedback de status durante todo o ciclo de vida:

• Lista de tarefas: O Agent divide tarefas complexas em várias subetapas e as exibe como uma lista de afazeres. Conforme a execução avança, o status de cada item é atualizado automaticamente.

• Resumo da execução: Ao final do fluxo de trabalho, o Agent compila e gera um relatório resumido de toda a tarefa. Esse relatório consolida as operações concluídas e os recursos gerados, tornando o processo de revisão mais eficiente.

3. Estatísticas de tokens e desempenho

Após a conclusão de uma tarefa, o Agent fornece métricas quantitativas para ajudar você a avaliar a eficiência da execução e a escala das chamadas de modelo:

• Estatísticas de duração da tarefa: O sistema registra e exibe automaticamente o tempo total do início ao fim da tarefa atual, permitindo avaliar a eficiência do processo automatizado.

• Consumo de tokens: Clique em para verificar o número de input tokens e output tokens gerados durante a interação.

4. Agendamento inteligente de modelos

O mecanismo de alocação inteligente de modelos do Agent cria uma experiência de desenvolvimento orientada por intenções, eliminando a necessidade de selecione modelos subjacentes.

• Alocação automática de modelos (modo Auto): Por padrão, o Agent opera no modo Auto. Nesse modo, ele identifica e decompõe sua intenção de desenvolvimento, despachando automaticamente o modelo ideal para lidar com diferentes subtarefas.

• Coordenação dinâmica de múltiplos modelos (modo Auto): No modo Auto, o Agent pode orquestrar diferentes modelos. Com base nas necessidades em tempo real de uma tarefa, ele alterna flexivelmente entre vários modelos dentro de uma única conversa, garantindo que cada parte de uma tarefa complexa seja atendida pelo modelo mais adequado.

• Alternância manual de modelos: Embora a automação esteja disponível, você pode sair do modo Auto e especifique um modelo diferente para processamento de tarefas em cenários específicos.