外部行业实践 ·
快手研发企业级智能体DataAgent 实现大数据生产分析全链路智能化
当前AI技术正深度融入大数据产业，快手为升级大数据生产与分析的运作效率，打造了面向数据场景、兼容通用需求的企业级智能体DataAgent，在解决多智能体协同、知识管理、业务隔离、数据安全等多类问题的同时，覆盖全链路数据业务的智能化需求，当前该智能体主动会话周活跃用户接近一万人，显著提升了数据相关环节的运转效率。
仅供行业学习与场景参考，不代表优秘交付、客户关系或效果承诺。
面临的问题
传统大数据生产分析的旧模式效率偏低，跟不上AI时代业务迭代的节奏；研发数据智能系统的时候，不仅要处理多智能体协同、上下文管理、执行稳定性这类通用技术难题，还要应对数据领域特有的三类问题：第一是平台有百万量级的数据资产，知识体量庞大、特殊情况多，准确性很难保证，做知识增强、消歧、精准召回的难度很高；第二是数据安全管控要求严格，不同业务线既要协同调用能力又要做权限隔离的需求很难平衡；第三是缺少成熟的系统迭代机制，很难依托真实业务反馈持续优化智能体效果，上下文内容过载的问题也会拉低系统运行的稳定性。
AI 落地做法
快手针对性研发了企业级智能体DataAgent，采用多智能体加技能模块的整体架构，同时配套搭建知识工程体系与效果评测体系，打造可闭环迭代的知识运营飞轮，另外从性能、成本两个维度推进专项工程优化，覆盖找数取数、数据开发、归因分析等全链路数据场景的智能化需求，持续提升系统的运作效率和输出准确率。
实施路径
- 采用父子两层智能体搭配技能模块的模式，平衡通用能力与领域专属能力的调用，保证任务执行的稳定性
- 搭建上下文动态管理机制，通过技能与工具的按需加载、智能上下文卸载及压缩、长短记忆智能分配等方式优化智能体运行表现
- 推出业务空间加研发包的权限管理能力，适配不同业务线的隔离管控需求
- 打造高质量高精度的准入数据集，涵盖冷启动所需的种子数据、精度校验的标尺数据、支持自主迭代的生长数据三类
- 搭建适配大模型的新型知识库，将分散的文档整合为可供大模型直接调用、支持版本追溯、结构标准化、支持人机共同维护的知识资源
- 搭建知识运营闭环飞轮，形成用户提问、知识召回、使用反馈、问题归因、优化建议、知识更新、效果验证的完整流程，保障知识的时效性与准确性
来源：InfoQ 中文（本站改写摘要，成效数据均取自原文）
项目背景
AI技术发展到落地攻坚阶段，全行业都在探索用AI重构大数据生产、分析场景的工作路径，推动数据相关业务从“数据驱动”向“智能驱动”升级，同时全球技术圈也在摸索AI能力从实验室验证到正式落地生产场景的可行方案；快手作为拥有大规模数据资产的互联网企业，原有的大数据生产分析模式已经不能适配业务增长的需求，因此启动了DataAgent的研发与落地探索。 本案例依据「InfoQ 中文」公开发布的信息整理，原文：https://www.infoq.cn/article/yVWAQGCZCzI838JESA1b?utm_source=rss&utm_medium=article
业务问题
传统大数据生产分析的旧模式效率偏低，跟不上AI时代业务迭代的节奏；研发数据智能系统的时候，不仅要处理多智能体协同、上下文管理、执行稳定性这类通用技术难题，还要应对数据领域特有的三类问题：第一是平台有百万量级的数据资产，知识体量庞大、特殊情况多，准确性很难保证，做知识增强、消歧、精准召回的难度很高；第二是数据安全管控要求严格，不同业务线既要协同调用能力又要做权限隔离的需求很难平衡；第三是缺少成熟的系统迭代机制，很难依托真实业务反馈持续优化智能体效果，上下文内容过载的问题也会拉低系统运行的稳定性。
实践方案
快手针对性研发了企业级智能体DataAgent，采用多智能体加技能模块的整体架构，同时配套搭建知识工程体系与效果评测体系，打造可闭环迭代的知识运营飞轮，另外从性能、成本两个维度推进专项工程优化，覆盖找数取数、数据开发、归因分析等全链路数据场景的智能化需求，持续提升系统的运作效率和输出准确率。
原始来源：https://www.infoq.cn/article/yVWAQGCZCzI838JESA1b?utm_source=rss&utm_medium=article