Agent Native 大数据智能体工作台 DataBuddy 实践指南来了本文重点介绍数据工程的 3 个高频场景每个场景都给你可以直接抄作业的操作说明书。哪些角色适用DataBuddy在今年 6 月的腾讯云 AI 产业应用大会上腾讯云正式对外发布了 Agent Native 大数据智能体工作台 DataBuddy。它和传统数据平台的区别可以用一句话概括过去你在 GUI 上点 50 下完成的事现在你用一句话讲清楚就行。DataBuddy 不是一个AI 功能单点增强的产品而是一个从第一天起就以 Agent 为中心重构的数据平台端到端 Agent 原生方案覆盖接入 → 开发 → 治理 → 分析全链路任务自主拆解Agent 自己规划步骤自己完成任务跨步骤自纠错执行出错能回滚、能重试、能给修复建议覆盖多角色数据工程师、数据治理工程师、数据分析师、业务运营都能用。下面我们把整个产品的使用流程进行介绍、包括 3 个数据工程领域的高频场景按操作步骤 提示词模板 效果示例的方式一次性讲透。上手三步登录 切换模式登录入口路径浏览器打开 DataBuddy 控制台 → 顶栏「子用户登录」 → 邮箱中的账号密码 → 选择工作空间 → 进入。Step 1 申请体验用户可以访问DataBuddy官网申请试用右上角点击「子用户登录」入口。Step 2 填入凭证把申请体验时收到的邮件里的 账号 密码 填入登录框。Step 3 进入空间在工作空间列表里选择 自助体验空间。进入后点击左侧边栏的「DataBuddy」图标就正式进入 DataBuddy 主界面。模式切换DataBuddy 顶栏有一颗明显的「模式切换」按钮操作点击顶栏的 数据开发 / 数据分析 切换即可。两种模式共享同一份底层数据资产但 Agent 的工具调用清单不同——开发者更关注建表/建任务/建工作流分析师更关注取数/出报告/看指标。本文将重点介绍数据开发模式中的数据工程场景。教你解决3个数据工程师最常被卡的场景场景 1 从 0 开始新建数仓痛点新人入职拿到一堆 MySQL/PG 源表老板又急着要看 3 张业务报表写 ETL 写到崩溃。提示词模板text基于 test_pgsql 这个外部数据源下olist schema 内的表设计数仓分层 我想把源表都同步到 trial_users_catalog 下面有权限的 schema。 业务人员想看卖家绩效报告、季节性销售分析和商品品类指标。 数据每天早上 10 点更新。Agent 会自动完成的 6 步流水线数据源连接 → 查看表结构 → 建设方案生成 → 数据接入配置 → 代码开发生成 → 工作流编排 │ │ │ │ │ │ ▼ ▼ ▼ ▼ ▼ ▼ 配置MySQL 识别源表 ODS/DWD/ 创建同步 SQL/ETL 依赖DAG 连接信息 字段类型 DWS/ADS 任务 代码 生成视频1操作步骤在 DataBuddy 对话框输入提示词按回车。理解需求 资产探查Agent 接收提示词后自动解析业务诉求卖家绩效、季节性销售、品类指标并探查 test_pgsql 数据源——识别 olist schema 下的源表清单、字段类型等。产出数仓建设方案Agent 输出数仓技术方案文档包含分层设计ODS / DWD / DWS / ADS、目标 schema、同步策略全量/增量、ETL 任务列表、调度计划。用户 review 确认方案检查表名、schema 归属、分层、调度时间是否正确如需调整直接在对话里改例如把季节性报表落到 DWS 而不是 ADSAgent 会重新出方案。未点确认前Agent 不会动手执行。执行建仓确认后 Agent 才会按 6 步流水线执行数据源连接 → 表结构 → 数据接入 → 代码开发 → 工作流编排每一步生成的任务/代码都可以在右侧「产物」里查看执行完成后点击右上角「导出」可以导出方案文件点击「工作流」可以查看工作流运行状态可视化展示任务依赖根节点是 ODS 入库末节点是 ADS 出报表。踩坑提示⚠️ 请在方案执行前仔细review方案是否符合预期场景 2 智能运维工作流挂了让 Agent 帮你修痛点凌晨 2 点 oncall 同学被电话叫醒跑到电脑前查日志、翻血缘、找根因、改 SQL、重跑……1 小时过去了老板还在问为啥报表没出来。提示词模板text这个工作流运行失败了帮我看下工作流名称 / 运行IDAgent 三段式修复流程运行失败 → 智能诊断 修复建议 → 智能修复 │ │ │ ▼ ▼ ▼ • 任务报错 • 日志分析 • 一键修复 • 告警触发 • 根因定位 • 代码修正 • 管道中断 • 影响范围 • 重新运行 • 修复方案databuddy演示视频2操作步骤复制工作流名称或运行 ID格式如 wf_nllwt_dw_daily_1777349388312粘到对话框。Agent 会先在血缘图上把失败任务标红并列出所有下游受影响任务影响范围分析。Agent 会自动从报错堆栈里抽取出关键异常行 根因定位例如源表新增了 NOT NULL 字段、目标分区已存在、连接超时等 下游影响范围 修复方案。确认修复方案后Agent 会给出修复前后的 SQL Diff 让你确认确认后自动改写代码并提交自动重跑该任务并触发下游回填。踩坑提示⚠️ 涉及删数据的修复操作TRUNCATE / DROPAgent 会拒绝执行需要用户手动确认。场景 3 已有数仓收到新增需求痛点业务方又来了新需求做客户分层运营但现有数仓里只有品类和卖家维度。这种半路出家的需求最容易让数仓代码变成一锅粥。提示词模板text我们要做客户分层运营。现在 olist 数仓里只有品类和卖家维度的报表 但我需要看每个客户的复购情况、消费总额、生命周期阶段和偏好品类。 请帮我分析现有的数仓资产包括库表、代码、工作流然后帮我生成数仓技术方案。Agent 四步走接收需求 → 资产分析 技术方案 → 修改代码 → 修改工作流 │ │ │ │ ▼ ▼ ▼ ▼ 业务需求 • 血缘分析 • 新增DWD表 • 新增任务 新增复购率 • 影响评估 • 修改DWS表 • 调整依赖 指标 • 方案生成 • 新增ADS表 • 更新调度操作步骤1.把需求粘到对话框强调先看资产、再给方案——这句话会触发 Agent 走标准的盘点 → 评估 → 设计流程。2.Agent 会自动盘点当前catalog内都有哪些表DWD / DWS / ADS当前空间内已有的代码/任务与客户相关的字段散落在哪些表里血缘分析。3.输出一份数仓技术方案提案新增的 DWD 表结构主键、分区、字段定义需要修改的 DWS ADS 表工作流 DAG 的调整建议。下游看板的影响分析4.点确认后Agent 才会去改代码、跑 ETL、调整调度。没点确认之前一切只是草稿。5.可以跳转至Workflow 模块查看可以观察每层任务的执行结果。写在最后DataBuddy 想做的不是在你既有数据平台外面再叠一层 AI——而是把数据平台本身重构为一个 Agent Native 的系统工程师不再写 ETL只告诉 Agent 要什么治理不再靠人工巡检由 Agent主动体检 推荐策略分析师不再写 SQL、拖报表用业务语言和数据对话业务方不再提需求等排期自己问、自己看、自己决策。它不是替代你而是把数据团队从重复劳动中解放出来
