本文将介绍Flink AI助手的使用方式，该工具将能更好地协助开发者完成Flink SQL作业开发、异常诊断及日志问题分析。
功能概述
Flink AI 智能助手是一款基于大语言模型（LLM）构建的智能开发工具，深度集成于 Flink 实时计算控制台。旨在降低实时数据开发的门槛，提升代码编写与运维效率。
通过自然语言交互，它能理解复杂的业务需求，协助用户完成从 SQL 代码生成、逻辑解释到故障诊断的全流程工作。
核心能力
智能代码生成
助手能够理解自然语言描述的业务需求，自动生成符合 Flink SQL 语法的代码片段或完整作业。它支持源表声明、维表关联、复杂窗口计算及结果表写入的逻辑构建。代码逻辑解释
针对复杂的 SQL 逻辑或遗留代码，助手提供逐行解析服务。它能将晦涩的技术实现转化为易懂的业务语言，帮助开发者快速理解数据流转过程与计算逻辑。智能故障诊断
当作业运行出现异常或语法错误时，助手能分析报错日志，定位根因，提供具体的修复建议。性能优化建议
基于 Flink 最佳实践，助手能识别代码中潜在的性能瓶颈（如数据倾斜、状态过大），并给出参数调优或 SQL 改写建议。
技能调用（Skills）
AI 助手内置预定义技能，覆盖作业开发与运维的高频操作。在输入框中输入 @ 唤起技能列表，选择目标技能后以自然语言描述意图，助手自动执行对应操作。
技能 | 说明 |
草稿开发 | 查询和解读 Flink 作业草稿信息 |
部署管理 | 查询和解读 Flink 作业的部署信息 |
作业启停运维 | 操作 Flink 作业的运行状态与生命周期 |
Session 集群管理 | 查询和解读 Session 集群信息 |
作业诊断 | 深度诊断 Flink 作业问题，包括问题识别与修复建议 |
资源配置 | 查询和解读作业资源配置信息 |
运行参数 | 查询 Flink 作业运行参数配置 |
Agent 模式与 Chat 模式
AI 助手提供两种交互模式，通过输入框下方切换：
Agent 模式——助手主动调用技能执行操作，适合需要查询数据、执行诊断等涉及工作空间实际操作的场景。
Chat 模式——纯对话问答，适合概念咨询、SQL 语法解释等不涉及系统操作的场景。
快速入门
如何唤起
在开发控制台右下角的悬浮窗，单击
图标，即可唤出智能助手。
AI助手的回答具有一定幻觉和时效性，可能生成语法正确但功能不存在的参数。也可能由于版本迭代过快，参数已经被废弃的情况。在辅助使用的情况下，请参阅相关连接器的参数文档，以官方文档的内容为准。
界面展示
AI助手界面位于开发控制台中，打开后显示欢迎页面。顶部分为开发调试、异常诊断、性能调优和常见问题四个页签，每个页签下列出常见问题供快捷提问。页面底部提供输入框，可直接输入自然语言与助手交互。
功能详解
资源规划咨询
在扩容或配置 Flink 计算资源（CU）之前，AI助手能够根据您的业务规模进行科学的容量预估。准确的提问是获取有效建议的关键。
数据吞吐量：明确每秒处理的消息数量 (TPS/QPS) 或数据流量大小 (MB/s)。
计算逻辑复杂度：描述主要的操作类型（如：简单过滤、多流 Join、大窗口聚合）。
时效性要求：说明对延迟的容忍度（如：秒级延迟、分钟级延迟）。
示例：
我需要从 Kafka 读取数据，QPS 约为 50,000 条/秒，单条数据大小 1KB。逻辑是进行字段重命名和简单过滤，然后写入 Hologres。请推荐合适的并发度和 CU 数量。
AI助手将根据提供的业务参数进行分析，返回包含结论和依据两部分的回答。结论部分直接给出推荐的并发度和CU数量，依据部分从QPS处理能力、并发度设置、外系统瓶颈、窗口函数影响等维度提供详细分析。
作业辅助编写
AI助手能够根据业务需求，生成符合Flink特性的SQL代码。
定义数据源与接收端： 向助手清晰描述数据的输入源（Source）与输出端（Sink）。必须指明连接器类型（如 Kafka、JDBC、HBase），以及字段名称和数据类型。
阐述处理逻辑： 描述具体的数据转换需求。这包括过滤条件、聚合操作、窗口类型（滚动窗口、滑动窗口或会话窗口）以及任何必要的 Join 操作。
示例：
请编写一个 Flink SQL 作业。数据源为 Kafka 的 user_behavior topic，包含 user_id 和 timestamp。请计算每 5 分钟的滚动窗口内，独立用户（UV）的访问量，并将结果写入 MySQL 的 uv_stats 表。
AI助手将根据需求生成完整的Flink SQL作业模板，包含源表和结果表的CREATE TABLE语句及WITH参数配置，可直接复制到SQL编辑器中使用。
助手回答的内容会偏向于符合 ANSI SQL 标准及 Flink 特性的 DDL（数据定义语言）与 DML（数据操作语言）代码。在平台使用时，往往使用的是CREATE TEMPORARY TABLE，而非CREATE TABLE。
作业开发报错分析
开发作业时，可能有不符合规范的语句或者错误，可以在报错信息的右上角进行分析。
运行时报错日志分析
任务直接报错，没有日志的情况。
在中，针对失败的作业会出现AI智能诊断的图标。
已经出现错误日志。
如果作业没有失败，或错误不影响运行的异常信息，可以直接在作业日志的右上角，单击AI智能诊断进行日志分析。
参数查询
确定连接器类型。
需要实现的功能描述。
示例：
Hologres实现部分列写入，有什么参数可以实现？
AI助手将列出实现该功能的相关参数（如sink.partial-insert.enabled等），并逐一说明每个参数的作用、取值、适用场景和参考文档链接。
资源配置与参数调优
在作业开发完成后，合理的参数配置是保障作业稳定运行的关键。Flink AI 能够根据您的资源限额（CU 总数）和作业特性，自动生成最优的并行度与内存参数组合。
资源预算：明确您拥有的 CU 总数或核心数。
作业类型：是计算密集型（复杂的 UDF/JSON 解析）还是内存密集型（大窗口/去重）。
调优目标：追求高吞吐、低延迟，还是作业稳定性。
示例：
我现在有10CU的资源，需要运行一个标准的双流 Join 作业，两个表都是MySQL表，在保证高吞吐的情况下，分配 TaskManager 的个数与内存，以及参数调优建议。
AI助手将根据资源预算和作业类型，给出TaskManager和JobManager的资源分配方案、关键参数调优建议（包括Mini-batch、状态TTL、Checkpoint配置）及其他优化建议。