裸辞创业小半年，终于有信心给大家看真正的 Data Agent 了

引言

自从离开 SelectDB 之后，后台和私信一直有人来问两个问题。

第一个问题是，你到底去了哪。

第二个问题是，你现在到底在做什么。

这两个问题，过去一直没有特别系统地展开讲。原因倒也不复杂，如果这件事还停留在“想法”、“方向”、“Demo”或者“内部觉得很有希望”的阶段，宁愿少说一点。

因为这两年 AI 圈子里最不缺的，就是概念、路线图、发布会和看起来很激动人心的愿景。真正稀缺的，是一个产品有没有从嘴上升级，变成系统性的产品进化。

所以过去四个月，主要精力基本都埋进了两件事里。

一件是产品。

另一件是市场。

说得更直白一点，就是从加入亿问开始，就一直在和团队一起重新打磨一件事：

如果不想继续停留在 ChatBI 这条老路上，而是真想往 Data Agent 这条路上走，那这中间到底要重做什么，哪些东西只是换个说法，哪些东西是真正的产品跃迁。

直到 2026 年 4 月份，亿问 Data Agent 2.0 正式 Release，才觉得差不多可以把这段时间的一些思考、判断和实践经验摊开来讲讲了。

为什么是现在？

因为这次不是一个空心的版本号升级。

我们已经服务一部分老客户开始从 1.0 升到 2.0，也已经承载新客户不再从 ChatBI 1.0 形态进入，而是直接用 2.0 去承接自己的业务场景。这一点很重要：它说明这件事已经不是 PPT 上的产品叙事，而是开始进入客户真实工作流的一个新阶段。

所以今天这篇文章，不想写成一篇版本发布通稿，也不想写成一篇罗列功能点的产品软文。

更想做的，是把这四个月亿问到底把什么东西想明白了讲清楚。

为什么会从原来的数据基础设施赛道，转到一条更贴近 AI 产品和企业场景的路上来；

为什么越来越确定，ChatBI 只是一层起点，后面还有更难的一段；

4 月份这个 2.0 版本，最值得讲的地方，不在多了多少功能，而在于产品终于从“让更多人问到数”，开始往“让企业把解释、归因和建议交给系统”推进了一步。

这篇更想谈清楚的，是下面这件事。

如果今天还把智能问数理解成一个会聊天的 ChatBI，或者一个把自然语言问数做得更丝滑一点的工具，那我觉得大概率还只是往前走了一小步。因为过去四个月我们真正重做的核心，不在查询入口本身，改的是产品的目标能力。

我们一直在努力实现的，是“怎么让 Data Agent 系统开始承担企业数据消费最后一公里的解释责任”。

这件事为什么重要，下面我分几层来讲。

01 真正不够的，从来不是“问到数”

如果把过去几年国内数据产品的发展看一遍，你会发现 ChatBI 并不是没价值。

它解决过一批非常真实的问题：

• • 业务用户不会写 SQL
• • 数据团队响应太慢
• • 报表制作周期太长
• • 取数门槛太高

这些问题都成立，而且在很多企业里直到今天仍然成立。

但问题在于，企业真正愿意长期买单的东西，已经不只是“问得到数”了。

真正稀缺的，其实一直都是另一种能力：解释数字的能力。

最常见的就是：老板开会问一句“这个月华东区利润为什么掉了 8 个点”，系统给出一张结果表，这只能算第一步。真正难的部分是后面那串追问：

• • 是收入掉了，还是成本上去了
• • 如果是成本上去，主要是返利、物流、原料还是库存结构
• • 这个结论换成 CFO 视角、供应链视角、销售视角，还成不成立
• • 现在该怎么处理

一旦问题进入这里，很多 ChatBI 产品就会开始露底。

因为它们原本的目标能力更接近“查询”，而不是“解释”。（虽然大部分市面产品连在真实工况下的基本查询准确都保证不了……）

它们更像一个高级搜索框，一个更像 AI 的取数入口，或者一个能把自然语言翻成查询结果的现代化界面。但企业真正卡住的地方，往往不是“找不到数”，而是“数有了，还是没人讲得明白”。

这也是为什么越来越多企业到最后仍然离不开那几个最懂业务、最懂口径、也最懂老板到底在问什么的人。

系统有图，有表，有搜索框。

可解释权还在人脑里。

如果一款产品想继续往前走，它就不能只把问数做得更顺，而必须开始碰解释、归因、建议和知识沉淀这些更深的部分。

这才是 2.0 真正要进入的战场。

02 真正被重做的，是产品目标能力

很多人看到 2.0 版本，会天然以为“升级”主要意味着新增了一堆功能。

但说实话，过去四个月最重要的变化，不在功能清单上。

真正的变化，是我们把产品定义重写了一遍。

第一层重写：从“问数工具”转向“分析师数字员工”

过去的 ChatBI，核心叙事是让更多人更容易拿到数据。

现在的 Data Agent 2.0，核心叙事已经变成了让系统开始替企业承担一部分分析动作。

这个差别看起来只是文字变化，实际上完全不是一回事。

前者解决的是入口问题，后者开始碰解释问题。

入口问题更像搜索。

解释问题更像工作。

一旦你把产品定义切到“分析师数字员工”，很多事情就会被迫重写。

你不能只想着用户问一句、系统答一句，你得开始想：

• • 一个问题能不能被拆成多步分析
• • 系统能不能主动下钻和归因
• • 不同岗位看到的解释能不能不同
• • 口径和逻辑能不能被长期沉淀下来
• • 结果能不能变成组织里可复用的工作资产

第二层重写：从“会查数”转向“能解释”

越来越确定，企业数据产品后面的竞争，不会只停留在谁能更快查出一个数字，而会落到谁能更稳定地把数字讲明白。

所以 2.0 真正要打的，核心就是解释能力。

• • 一个月利润为什么掉了？
• • 某个大区销量为什么不达标？
• • 某个品类库存为什么积压？
• • 毛利率波动到底是谁在主导？

这些问题如果只靠一个 SQL 结果表，是远远不够的。

所以我们在 2.0 里开始越来越强调几件事：

• • 自动归因
• • 多维下钻
• • 角色化解释
• • 逻辑链路可追溯
• • 建议输出

也就是说，系统不应该只是把数吐给你，它得开始像一个能把数讲清楚的人。

第三层重写：从“统一问答框”转向“多角色数字员工”

很多数据产品都有一个隐含误判。

它们默认认为企业里所有人对同一个问题的解释逻辑应该差不多，所以最后都收敛成了一个“万能问答框”。

但真实世界根本不是这样。

• • 老板问“利润下降”，CFO 关心的是费用和利润率。
• • 供应链负责人关心的是库存、采购、交付和运费。
• • 销售 VP 关心的是价格策略、渠道结构、折扣和高毛利产品占比。

这三个人面对的是同一个业务问题，但他们的分析路径和结论重心完全不同。

所以我们在 2.0 里越来越明确地往一个方向走：把分析能力做成角色化的数字员工和技能，而不是把所有问题都扔给一个全能机器人去猜。

这背后其实是一个很重要的产品判断。

企业里的解释能力，本来就是角色化、分工化、协作化的。

那真正有价值的 Data Agent，也应该更像一组有职责边界的数字员工，而不是一个什么都懂一点、什么都讲不深的全能助手。

第四层需要讲清的一件事：数据获取依旧基于NL2LF2SQL

这里有一个地基必须给大家再澄清一遍：

亿问一路走到今天，真正支撑它技术可信度的底座，是自研的 NL2LF2SQL 这套东西。

它是一直以来能把准确、稳定、同逻辑查询能力守住的那层老底子，2.0 是基于这套地基构建的新大厦。

所以 2.0 真正变的，是这套地基开始承载的任务变了。

以前，这套底座更多是在服务“问数”这件事。

今天，它开始被用来承载更复杂的东西：

解释、归因、角色化分析、报告组织，以及后续往建议和动作扩展的可能性。

这个区别很关键。

因为如果没有 NL2LF2SQL 这样的确定性底座，Data Agent 这条路根本走不深。

你前面讲得再热闹，一旦进入经营分析主流程，系统还是会因为口径漂移、逻辑不稳和解释不可追溯而掉回“一个看起来更聪明的聊天框”。

所以对 2.0 来说，原本就领先的技术底座，终于开始服务一个更大的产品目标能力。

03 2.0 在真实工作里，到底改掉了什么

如果只是把 2.0 讲成几条能力点，这篇文章就会很像一份标准产品稿。

最简单的办法，还是把它放回一个大家都熟悉的真实工作流里。

想象一个很常见的周一经营分析会。

前一天晚上，分析师还在改第N版报告

这件事很多人都很熟。

先找数、再对口径、再拉表、再做图、再补文字总结。

然后领导临时加一句，“把利润波动再拆一下”、“把库存和返利也带上”、“顺便换成区域维度再看一版”。

整份材料又得重来。

过去很多企业的经营报告，本质上都卡在这里。

耗时间的不是某一个动作，而是那种反复找数、反复解释、反复改写、反复补洞的拉扯。

2.0 在这个环节最核心的变化，是开始围绕“报告”这个最终工作物去组织分析，而不是停在“把一个数查出来”。

这意味着什么？

意味着系统开始尝试把找数、归因、解释和材料组织串成一段完整工作流。

对管理层来说，这种变化非常实在，因为老板真正缺的从来都不是再多一张图，而是一份能发出去、能开会、能继续追问的材料。

第二天会议上，同一个问题终于不只剩一种解释

真正的难点往往发生在会开到一半的时候。

老板问一句：“为什么这个月利润没达标？”

如果系统只能给一个统一答案，它其实还是停留在 ChatBI 的逻辑里。

因为在真实企业里，同一个问题天然就有不同岗位视角。

比如我们之前聊的 CFO、供应链负责人、销售 VP 在各自的角度，分别关心的是价格策略、渠道结构和高毛利产品占比。

这三种解释路径不是互相替代的关系，而是本来就应该并行存在。

2.0 这次真正让人觉得走到下一阶段的地方，就在这里：它开始把分析能力做成角色化数字员工，而不是继续把所有问题都塞回一个万能问答框。

这个变化看起来像交互设计，实际上碰到的是企业里更深的一层东西，解释权。

过去很多公司并不是真的缺系统，而是解释能力长期锁在少数人脑子里。

谁最懂业务，谁就拥有最后的解释权。

2.0 如果真能把不同角色的分析范式慢慢沉淀下来，它改写的就不只是一个产品界面，而是企业数据如何被解释、如何被讨论的方式。

会后追问不会消失，但分析逻辑开始留下来

很多时候，一场会开完，真正的工作才刚开始。

老板会继续追问、业务会继续补问题、分析师会继续改材料。

财务、销售、供应链还会围绕同一个指标再吵几轮。

这也是为什么很多企业明明做了 BI、做了报表、做了 ChatBI，最后仍然觉得人很累。

因为每次问题看起来都解决了，实际上只是临时被人肉扛过去了，逻辑并没有真正沉淀下来。

所以 2.0 另一个真正值钱的地方，不在当下那一轮对话有多聪明，而在于它开始尝试把口径、解释链路、角色视角和分析逻辑慢慢沉淀成系统资产。

这件事一旦能立住，价值就不只是多做一份报告，或者多回答几次问询。

它会逐渐变成企业自己的分析中枢。

也只有走到这一步，Data Agent 这条路才真正开始和普通 ChatBI / Data Agent 拉开距离。

04 2.0 也不是万能解药

讲到这里，也得主动补一句边界。

如果今天我把 Data Agent 2.0 讲成一个企业一装就能用、完全不需要梳理口径、也不需要打基础数据治理的万能方案，那大概率也是另一种不负责任的吹牛逼。

因为企业经营分析这件事，天生就很重。

数据基础太乱、核心口径长期不统一、关键业务规则完全沉在少数人脑子里，这些问题不会因为你换了一个更聪明的界面，就自动消失。

2.0 能做的，是把“问数、解释、归因、报告组织、角色化分析”这一整段链路往前推进一大步。

但它仍然需要企业愿意把核心指标、关键口径、角色视角和业务规则慢慢沉淀下来。

换句话说，2.0 不是一剂特效药。

它更像一套开始真正接近问题核心的产品形态。

如果企业愿意沿着这条路往前走，它会越来越值钱；如果企业只想把它当成一个更炫一点的聊天框，那最后也还是会失望。

05 为什么现在值得正式对外讲它

如果只是内部觉得方向很对，这篇文章其实不会现在写出来。

现在愿意正式出来讲，有两个很现实的原因。

第一个原因，是老客户的迁移已经开始发生。

这很重要，因为一个产品到底是不是在真的进化，最诚实的信号之一就是：老客户愿不愿意跟着你一起往前走。

如果 2.0 只是概念升级、包装升级、界面升级，老客户通常不会买账。

他们最敏感，也最现实。系统原来能解决什么，新版本到底多解决了什么，他们是最清楚的。

而现在已经看到，一些原来使用 1.0 的客户，确实开始把 2.0 接进自己的新场景里。这说明至少对他们来说，这不只是换个名字。

第二个原因，是新客户开始直接用 2.0 来承接业务。

这件事甚至更关键。

因为它意味着 2.0 已经能作为产品形态本身去被理解、被试用、被接入，而不只是依附在 1.0 身后的一段后续规划。

这两个信号加在一起，这篇文章现在写出来才是有意义的。

它不再是替未来画饼。

它是在交代一个已经开始起作用的产品阶段。

06 为什么 2.0 还远远不是终点

说到这里，我也不想把 2.0 写得太圆满。

因为如果真把这件事讲透了，你会发现，2.0 更像是一个关键台阶，而不是终局。

它真正完成的，是把产品从 ChatBI 逻辑拧到了 Data Agent 逻辑。

但后面的路还长。

如果往 3.0 看，会重点补两件事

第一件事，是把“解释”和“建议”继续往前推。

今天 2.0 已经开始碰解释、归因、角色化分析这些事情，但如果你真的顺着这条路线往后走，系统迟早得往建议和动作衔接上去。

也就是说，未来更强的亿问 Data Agent，不该只停留在“告诉你发生了什么”，它还要慢慢具备“告诉你接下来怎么做”的能力。

第二件事，是把 Data Agent 从一次性交互产品，进一步推进成长期工作的数字员工。

这一点现在感受特别深。

企业分析工作不是一轮对话就结束的。

它天然就是持续跟踪、持续复盘、持续提醒、持续协作的。

所以 3.0 最关心的一件事，就是怎么让系统从“会回答”继续往“持续工作的分析角色”推进。

这件事现在已经在研发投入里了，但这里不想把它写成一个过于具体的承诺。

因为真正好的版本演进，不该靠市场先把故事讲满，而应该等产品把关键链路跑通。

至于 4.0，越来越清楚的是一张更大的图

如果再往后看，真正值得做的，不会只是一个更强的 Data Agent 界面。

它更像一层企业经营智能协同层。

系统不会只停在问答框里回答问题，也不会只停在报告页里输出结论，它会开始逐渐连接分析、建议、调用、协作和动作。

那个时候，它面对的对手可能已经不再只是传统 BI，也不再只是做 NL2SQL 的产品，而会逐渐进入更广义的企业智能平台竞争。

说得更直接一点。

2.0 解决的是“从问数走向解释”。

3.0 可能会重点补“从解释走向建议和持续工作”。

4.0 真正让人兴奋的，是它有机会开始重写企业内部“数据如何变成决策，再如何推动动作”的整条链路。

当然，这部分现在只讲到这里。

因为越往后，越要克制。

路线图可以有，但不能把还没发生的事情，提前写成已经交付的能力。

写在最后

所以，回到文章开头那个问题。

这四个月，亿问到底把什么东西重做了一遍？

如果要用一句最直白的话来回答，那就是：

这不是在把一个 ChatBI 产品继续包装得更像 AI。

而是在和团队一起，把它从“让人问到数”的逻辑，拧到“让系统开始承担解释责任”的逻辑上来。

这中间改的，表面上看像产品形态，往深里看其实是产品目标函数、技术路线、场景理解和市场叙事的整体重写。

所以 2026 年 4 月这个 2.0 版本，真正重要的地方，不是又发了一个新版本，也不是多了几个功能页。

它更像一个阶段性的分水岭。

它意味着亿问终于可以不再只被理解成一个更会聊天的 BI。

它也意味着，这款产品终于到了可以正式拿出来讲一讲的阶段。

当然，这条路不会轻松。

因为从问数到解释，从解释到建议，从建议到动作，每往前走一步，难度都会陡增。

但也正因为这条路难，才更说明它值得做。

简单的入口问题，迟早会卷成一片红海。

真正难的，是谁能把企业里那些最零散、最隐性、最依赖人的分析能力，慢慢变成系统能力。

如果这件事真能一步一步做成，那 2.0 就不会只是一个版本号。

它会是一个真正有价值的新起点。

看到这里了，来个点赞、在看和转发吧，你的一键三联就是我更新的最大动力了。