跟着大模子和AI Agent才略束缚晋升，AI agent才略在企业业务分析中行使需求越来越高。通过AI的数据智能分析与营销智能化，跟业务分析和运营责任方式和效率带来了深远的变革。但是Agent在一些细节上，任然濒临诸多挑战，如业务限制学问不及、模子幻觉产生，怎样保证准确找回，数据安全，以及多Agent间怎样协同等，这些问题皆径直影响用户使用体验和系统落地效率。
周涛是同程旅行 研发与云赋能中心大数据内行，长久深耕大数据限制，擅长大数据行使平台树立和AI for Data 和 Data for AI 数据平台体系树立和落地，当今专注Data+AI，匡助业务晋升数据赋能效率，启动业务决策。在2026年1月16-17日行将举办的Agentic AI Summit智能体系统架构大会上，周涛将分享《DataAgent在同程分析和营销场景的智能化树立探索》话题，他将分享同程旅行在DataAgent树立实践，包括分析任务拆解规划、学问、追念、归因分析，以及衔尾分析论断的智能营销冷落和智能营销经过树立优化等才略的要道时刻和结束细节。
在会议召开前，咱们列了几个问题，请周涛诠释来陈说。
DACon：在演讲中您提到“多智能体的架构演进”，求教在同程的DataAgent系统策画中，是什么要道要素激动了从单一智能体向多智能体架构的演进？在多智能体协同的场景下，您是怎样策画Agent之间的任务分派、通讯与阻碍处罚机制的？
周涛：在咱们的施行业务中，开元棋牌官方网站入口激动从单一智能体向多智能体架构演进的中枢动因有三方面：
1.任务复杂性晋升：单一Agent难以同期胜任数据领路、归因推理、政策生成、实践反应等多阶段任务；
2.限制专科化需求：不同行务线（如旅店、机票、用户增长）对分析逻辑和学问体系互异权臣，需专科化Agent撑握；
3.容错与可调节性：多Agent解耦后更易迭代、监控和替换，裁汰系统全体风险。
在多智能体协同方面，咱们聘用“分层+脚色化”策画：
1.任务分派：通过一个主agent（master Agent）接考取户原始苦求，基于语义剖析和任务类型识别，动态拆解为子任务（如“数据查询”“归因建模”“政策冷落”），并路由至对应功能Agent（如Query Agent、Insight Agent、Action Agent）。
2.通讯机制：聘用表率化音书条约（基于JSON Schema）传递凹凸文、中间终端与现象，撑握同步/异步羼杂通讯模式。要道信息通过分享追念池（Memory Pool）握久化，确保凹凸文连贯。
DACon：濒临DataAgent在施行业务中碰到的“模子幻觉”“限制学问不及”“数据安全”等挑战，同程在时刻层面有哪些具体的应酬政策？举例，在学问增强、检索准确性保险、以及数据权限远离方面，开云app有哪些立异性的工程实践？
周涛：好的，这里分类陈说一下：
1.学问增强与幻觉扼制：
● 构建限制学问图谱（阴事居品、用户、营销法例等实体关系），算作RAG的学问源；
● 聘用不笃定性量化（Uncertainty Quantification）时刻，对低置信度输出自动标注“需东说念主工复核”。
● 引入强化学习，握续优化决策结束闭环反应。
2.检索准确性保险：
● 策画羼杂检索政策：衔尾向量检索（语义匹配）与要道词/结构化过滤（精确匹配），并通过用户步履日记握续优化检索排序模子；
● 建立分析意图分类器，精确识别用户是“趋势查询”“额外检测”还是“归因分析”，从而调用不同检索与推理旅途。
3.数据安全与权限远离：
● 实施字段级权限截至：在Agent侦查数据前，通过协调权限网关动态注入行/列级过滤要求；
DACon：您提到DataAgent具备“瞻念察归因分析和数据分析的深度盘考”才略。能否衔尾具体业务场景，解释系统是怎样结束复杂分析任务的自动拆解、规划与实践的？在归因分析中，怎样让Agent不仅姿色逍遥，还能提供可解释、可落地的因果忖度？
周涛：任务自动拆解：该过程由规划Agent（Planner）启动，每一法子用专用分析Agent实践，并通过追念机制保留推理链路：
➢ 如：用户输入“为什么上周旅店订单下跌了？” → 系统识别为“额外归因”任务 → 拆解为：
情势1：定位额外时间窗口与规划（订单量 vs 历史同期）；
情势2：按维度下钻（渠说念、城市、用户群、价钱带）；
情势3：识别权臣变化因子（如某渠说念流量骤降30%）；
情势4：关联外部事件（是否该渠说念告白暂停？竞品促销？）。
➢ 最终身成行动冷落卡片：“冷落还原渠说念A预算，并监控改日3天鼎新率变化”。
➢ 行动冷落还不错与营销Agent买通，进行营销经过。
DACon：智能营销闭环是DataAgent落地的进犯一环。求教系统是怎样将分析论断（如用户步履瞻念察）自动鼎新为可实践的营销政策，并进一步启动营销经过的自动化实践？在这个过程中，怎样均衡自动化决策与东说念主工侵略，确保营销动作的精确性和安全性？
周涛：咱们的智能营销闭环分为“瞻念察→政策→实践→反应”四阶段：
1. 瞻念察到政策鼎新：分析Agent输出结构化瞻念察（如“高价值用户流失风险高潮”） → 触发政策Agent，基于预设营销学问库（含优惠券法例、触达渠说念政策、案牍模板）生成候选东说念主群圈选以及冷落动作（如“披发8折券+APP Push领导”）；
2. 自动化实践：通过与营销中台API对接，自动创建步履、成立东说念主群包、编削触达任务；
3. 东说念主机协同与安全截至：内置东说念主工侵略节点，将AI拿不准的问题进行东说念主工证实，并汇聚对应信息，确保影响动作的精确性和安全性。
DACon：演讲中绝顶提到“将分析图表与BI系统买通”是进犯的落地挑战。求教同程在DataAgent与现存数据平台、BI器具的集成中，碰到了哪些具体的时刻或架构瓶颈？又是通过怎样的策画（如API架构、表率中间层、可视化镶嵌等）结束分析终端与业务系统的高效会通？
周涛：中枢瓶颈主要分为这两部分：
语义范围：当然谈话生成的分析论断难以映射到BI报表的固定维度/规划体系；
可视化割裂：Agent生成的图表无法镶嵌现存BI看板；
咱们的处罚决策包括：
a. 从传统的Text2SQL挪动到Text2DSL上；
b. 搭建表率化 API 中间层，适配不同系统接口，结束数据情势自动挪动；
c. 策画通用可视化组件，撑握分析图表一键镶嵌现存 BI 器具，结束“分析即看板”。
【DACon 2026 上海站演讲招募】
当今DACon上海站大会经营了15个分论坛开云官方体育app，包含【Data+AI一体化架构，赋能BI/AI】【Agentic RAG：从检索增强到自主决策】【非结构化数据工程：文档/图像/视频的AI化处理】【企业级骨子工程：从Palantir方法论到实践】【Data+AI在金融限制的实践】【AI for Data：数据治千里着安适能化升级】【Data+ AI在新死亡的实践】【LLM+研发效用：从代码生成到智能研发】【Agentic AI开采框架与器具链】【大模子行使资本优化实战】【AI启动的数据开采与分析一体化】【AI搜索：从要道词到智能对话】【Agent行使安全与可控性】【Agent Ready数据架构：下一代数据基础设施】【凹凸文工程——大模子行使落地的中枢工程实践】，若是您有酷爱来演讲，接待在这里填写话题内容 https://qr18.cn/A4cYOz ，也不错径直连络会议裁剪 17338147501。
博亚体育app官方网站
备案号: