🏢 公司C档 · NaN分

数据Agent的胜负手,不在模型

··约1分钟阅读

📋 总体概括

数据Agent落地的瓶颈正在转移:模型能力快速拉平后,决定可信度的是harness(规则、指标定义、权限、检查、暂停机制)和检索质量。本文结合NVIDIA表格基础模型与检索评测数据,拆解企业数据Agent的五件套工程路线。

📄 正文

2026年,几乎每个数据团队都被问过同一个问题:“咱们什么时候上Agent?”

但真正动手搭过的人都知道,让模型写一段SQL是Demo级的难度,让它在企业数据上给出一个敢签字的数字,是工程级的难度。最近三份来自一线的材料指向了同一个判断:数据Agent的胜负手,不在模型,而在模型外面那圈东西——harness(执行框架)与检索。这篇文章把这层产业逻辑拆开看。

🚗 引擎再猛,没有车架开不回家

一辆车从来不是一台发动机。

Addy Osmani在他那篇被广泛转引的harness工程综述里给了一个被圈内反复引用的等式:Agent = 模型 + harness。他把模型比作发动机:单独放在车间里,powerful且无用;只有加上方向盘、刹车、油路、仪表盘和一个座位,它才变成一台能开去上班的车。没有人买一台发动机通勤。

放到数据场景里,这个比喻精确得近乎残酷。模型负责推理、写查询、生成解释,速度快得惊人;但决定“这个数字敢不敢报给CEO”的,是外围那套东西:

  • 它读到的指令是什么口径;
  • 它被允许调用哪些工具;
  • 它能触碰哪些数据、不能碰哪些(权限);
  • 多步推理之间它记住了什么;
  • 它的产出必须通过哪些检查才算完成;
  • 哪些节点必须人来批准才能继续。

一个普遍的现状是:你直接用的Agent工具,出厂自带的是一套“通用harness”——为写代码、订机票、发邮件设计的。数据工作要的是另一辆车。

产业逻辑很清楚:模型是每月都在通用的商品,harness是企业各自的护城河。据多位接近一线数据平台团队的人士观察,很多“Agent落地失败”的项目,复盘时发现模型换了两代、问题没变——问题从来在车架,不在发动机。

🔍 模型不背锅,检索才是漏水点

给对文档,模型几乎全对;让它自己找,分数塌方。

The New Stack近期一篇文章的标题把话说透了:“Agentic AI没有模型问题,它有检索问题。”背后的数据来自BrowseComp-Plus基准:GPT-4.1在被直接提供支撑文档的情况下,回答正确率高达93.49%。而当同一个模型需要通过Agent自主检索去找到这些文档时,成绩出现显著下滑——正确率跌至约30%,两组成绩之间相差超过60个百分点;部分依赖开源检索管线的配置甚至不足两成。

这个对比值得每个数据团队裱起来。它意味着:你花大价钱升级到最新模型,可能是在给一个漏水的桶换更贵的水。企业数据场景把这个放大得更狠——指标口径散落在Confluence、飞书文档、老员工脑子里、某张没人维护的Excel里;Agent检索不到口径,就会“发明”一个口径,然后自信满满地给出一个错数。

圈子里私下流传的一句总结是:模型每月都在变强,你的知识库三个月没更新,它就开始一本正经地说谎。

产业逻辑:检索层正在从RAG插件升级为数据Agent的一等公民基础设施。文档治理、口径索引、检索质量评测(用“已知答案”的题集回归测试检索效果)会成为数据团队2027年的常规动作。谁把“给模型喂对上下文”做成工程,谁的Agent才可信。

📊 表格也要基础模型:零训练预测来了

以前表格预测是项目制,现在正在变成调用制。

10月中,NVIDIA发布了一套值得数据平台团队认真评估的新库——Structured Data Models:把多个预训练的表格基础模型,统一封装在一个PyTorch接口后面,实现零训练(zero-training)的表格预测。核心机制是in-context learning:不微调、不训练,直接把数据喂进上下文,模型直接回答。

它目前封装了三个模型,覆盖范围正好构成一个递进:

模型覆盖对象工作方式
TabICLv2单张表格in-context learning,零训练
KumoTabular单张表格in-context learning,零训练
KumoRelational整个关系型数据库in-context learning,零训练

注意第三个。传统表格预测的痛点从来不是单表,而是“散落在二十张关联表里的信号”——过去这需要一个数据科学家花两周做特征工程、拼表、训练。KumoRelational直接对整个关系库做推理,意味着这类需求的启动成本从“排期立项”降到“写一段Python”。

产业判断要冷静一点:零训练不等于零工程。基础模型解决的是“从0到可用”,企业要的“从可用到可信”,仍然要靠口径、权限和检查——又绕回了harness。两条线索在此汇合:模型层的进步负责降低门槛,harness层的工作负责守住下限。

🧰 五件套:把Agent关进数据的笼子

五个部件,按顺序装,缺一个都在裸奔。

素材里给出的数据版harness清单,是目前见过最可操作的工程化拆解。它包含五个部件,且明确要求按公司成熟度顺序加装:

1. 规则文件:Agent必须遵守的行为约束,先立规矩;

2. 指标定义:Agent引用的每个数字,必须能溯源到官方口径定义,禁止自由发挥;

3. 只读副本:给它数据副本的只读权限,物理隔离生产环境,误操作都无处发生;

4. 检查清单:一串简短的校验项,全部通过,答案才算“done”;

5. 暂停询问:当问题没有任何指标定义覆盖时,规则要求它停下来问人,而不是编一个。

第五条最反直觉,也最值钱。通用Agent的价值观是“尽力给出答案”,数据Agent的价值观应该是“不知道就说不知道”。这是两种产品哲学的分野。

数据Agent落地五道坎
痛点 1
指令漂移,各说各话的口径
→
解法
强制遵守的规则文件
痛点 2
数字无法溯源验证
→
解法
强制引用官方指标定义
痛点 3
误碰生产数据引发事故
→
解法
只读副本+最小权限
痛点 4
错数直接流出
→
解法
完成前检查清单
痛点 5
超范围问题硬编答案
→
解法
无定义时暂停并上报人工

产业逻辑:这五件套没有一件需要前沿技术,全是数据治理团队的老本行——口径管理、权限管理、质量校验、流程审批。所谓“上Agent”,本质是给存量数据治理资产装上一个会说话的执行器。治理做得差的公司,Agent只会把治理的差放大给你看。

💰 谁受益:平台层的新护城河

卖发动机的越来越卷,卖整车方案的开始定价。

把三条线索放在一起看,竞争格局开始清晰:模型层(含NVIDIA这类把表格预测变成基础能力的玩家)在快速商品化;而harness层和检索层——规则引擎、指标语义层、数据副本管理、检索质量评测——正在变成新的平台级卖点。

三个可操作判断:

第一,别急着换模型,先测检索。93.49%对塌方到约30%的差距说明,同样预算花在文档治理和检索评测上,ROI大概率高于追新模型。

第二,把五件套写进采购清单。评估任何数据Agent产品时,问清楚:规则文件怎么管?指标定义能否强制引用?是只读副本还是直连生产?检查清单可否自定义?不知道时会不会问?这五个问题的答案,比跑分重要。

第三,harness是资产,会复利。模型可以随时换,但你的指标定义、检查清单、口径规则沉淀下来就是组织能力——模型迭代越快,这些资产的复利效应越明显,因为它们跨模型、跨版本通用。这是未来两年数据团队最值得投入的部分。

小结

数据Agent的故事正在从“模型有多聪明”转向“车架有多可靠”。模型侧,NVIDIA用零训练的表格基础模型持续压低门槛;工程侧,harness五件套和检索质量决定了那个数字敢不敢用。2027年的分水岭不在谁的模型更强,而在谁把口径、权限、检查这些老治理资产接上了新引擎。发动机谁都有,能开回家的车,才是商品。

本文基于以下公开素材的产业推演:

  • Addy Osmani,harness工程综述:https://addyosmani.com/blog/agent-harness/
  • The New Stack,"Agentic AI Has a Retrieval Problem"(BrowseComp-Plus评测报道):https://thenewstack.io/agentic-ai-has-a-retrieval-problem/
  • NVIDIA Developer Blog,Structured Data Models发布与教程:https://developer.nvidia.com/blog/structured-data-models/
  • MarkTechPost,对NVIDIA Structured Data Models的报道:https://www.marktechpost.com/

(注:文中BrowseComp-Plus检索塌方的具体数字以基准原始论文及上述报道为准,约30%为报道所述量级。)

本文由本站 AI 辅助聚合生成,原始来源如下:

🔎 本文基于以下资讯(素材溯源 · 信息来源)

📰 相关阅读推荐(与本文相关的其他资讯)