课程介绍
闭环智能的Agentic Data Engine对企业的意义,不在于用Agent替代数据工程师,而在于把数仓交付从“人力驱动的线性工程”重构为“工程底座驱动的可复利能力”。前期投入建设语义、Skill与评估体系,后续每一次交付都在为下一轮交付积累可复用的资产,同时把工程师释放到建模精度、业务语义和质量判断这些真正难以替代的工作上。
传统数据开发与治理正深陷 ETL 繁重、血缘滞后、口径不一、业治脱节四大困境。单纯依赖人工配置规则或 Copilot 辅助写代码,已难以根治效率瓶颈。然而当前,我们让Agent在受控的生产工程边界内,端到端完成从需求理解到交付验证的完整链路,同时把每一次交付的经验沉淀为可复用的Skill与语义资产真正跑通的方向,不是让Agent写更多SQL,而是让它嵌入数仓交付的完整闭环,并在关键节点保留校准能力。
本课程聚焦“AI Agent + 数据工程”的前沿范式,从底层的 Skill 开发,到元数据治理、数仓模型开发,再到端到端的数据全生命周期提效,系统讲解如何利用 Agent 智能体实现从“人工驱动”向“自治闭环”的跨越,帮助企业构建具备主动推理与闭环执行能力的 Agentic Data Engine。
课程目标
1、深入理解 Agent Skill 的底层原理,能够独立编写并扩展数据清洗、分析等实战 Skill。
2、掌握利用 Agent 进行需求澄清、方案设计、SQL 开发及自动化测试的全链路方法,将常规数据处理交付周期从“天”级压缩至“小时”级。
3、学会构建基于 Agent 的数仓模型治理架构,通过自动化血缘追踪与质量监控,实现数据资产的动态治理与持续优化,落地智能治理。
4、掌握多表处理与指标体系构建的 Agent 实践方案,解决表名歧义、字段召回等核心痛点,确保数据口径的统一与准确,构建指标体系。
受众人群
数据开发与治理团队:数据工程师、ETL 开发工程师、数据治理专员、数据仓库架构师。
AI 与算法团队:AI 训练师、算法工程师、大模型应用开发者。
数据产品与管理团队:数据产品经理、数据项目经理、企业 CDO/CIO 及数字化转型负责人。
课程周期
2天(12H)
课程大纲
章节 | 授课内容 |
一、Skill和智能体开发 | 1、智能体的 Skills 是什么? 2、Skills 能解决什么问题? 3、Skill与Agent的关系 4、Skill 的核心结构 5、第一个SKILL.md 实例介绍 1)Skills 工作原理 2)Skills 工作过程 3)Skills 脚本扩展 6、Skill 数据清洗与分析案例实战 |
二、Agent元数据治理 | 1、元数据治理Skill技术方案 2、 业务元数据修改和添加 1) 技术元数据(Table)治理 2) Skill介绍 3、剖析元数据治理量化指标 |
三、Agent数据开发提效
| 1、Agent开发工具 2、skill建设思路和方法 1)规范、流程和产物 3、skill分级介绍(个人、团队、跨职能项目组) |
四、端到端数据开发提效 | 1、需求澄清 2、需求澄清skill讲解 1) 开发方案设计 2) 数仓模型开发规范 3)方案设计skill讲解 3、 sql开发 1) SQL开发规范 2)开发skill讲解 4、数据测试 1)代码校验 2) 回归测试 3)交叉对比 4)业务规则校验 5)测试skill讲解 5、任务上线 |
五、Agent数仓模型开发案例分享 | 1、元数据连接 2、新建模型开发案例 1) 模型SQL开发 2)模型验证 3、模型修改案例 4、模型SQL修改 5、数据结果校验 1) 指标开发案例 2)SQL开发 6、指标验证 |
六、Agent数据仓库模型治理 | 1、治理目标与北极星指标 2、Agent数仓模型治理整体方案架构 1)AI 数据治理架构总览—四层整体架构 2)北极星指标—Skill目标拆解 3、数仓分层治理agent介绍 1)实践案例—端到端自动化治理动线 4、风险与治理框架 |
七、Agent指标体系构建和开发 | 1、数据规划与准备 2、数据处理—ETL规范与限制 3、数据指标梳理 4、多表处理实践 1)数据集预处理 2) 选表与字段召回问题 3) SQL 生成 5、指标体系Skill示例 1)常见问题与注意事项 2) 保证表名,字段名称唯一无歧义 3)设置字段中文别名 4)设置准确的字段类型(如日期时间、地理信息等) 5)设置清晰的字段描述 6)数据集-添加新的计算字段 7) Flag类型字段符合布尔值规则 |
京ICP备2022035414号-1