别再写SQL了！DataBuddy数据工程实践指南来了

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

• 用户可以通过以下地址申请体验试用 DataBuddy （https://wedata.cloud.tencent.com/website/contact）
• 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

操作步骤：

1. 在 DataBuddy 对话框输入提示词，按回车。
2. 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。
3. 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。
4. 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 ADS"），Agent 会重新出方案。未点确认前，Agent 不会动手执行。
5. 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
6. 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ID>

Agent 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

操作步骤：

1. 复制工作流名称或运行 ID（格式如 wf_nllwt_dw_daily_1777349388312），粘到对话框。
2. 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）。
3. 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。
4. 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 / DROP），Agent 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！

END

关注腾讯云大数据╳探索数据的无限可能