🔥 文章· AI for Data
共 36 篇· 今日新增 5

Agent用不好数仓,锅不在模型
阿里云Context Engine在云栖大会抛出Agent数据旅程六阶段,而一线工程师搭MCP的教训指向同一件事:Agent落地的瓶颈不是模型和接入,而是语义与

数据Agent的胜负手,不在模型

数据Agent落地,胜负手在模型之外

数据Agent拼到最后,拼的是缰绳

AI的瓶颈,正从模型换成数据
NVIDIA表格基础模型、Agent检索短板、阿里云Context Engine三件事撞在同一个秋天:AI竞争的瓶颈正从模型能力转移到数据供给。数据平台的角色从

英伟达盯上了你的表格数据
NVIDIA 发布 Structured Data Models,把预训练表格模型塞进一个 PyTorch 接口,零训练即可预测;另一边,GPT-4.1 在 B

数据Agent的胜负手,藏在模型外面
数据Agent赛道人人都在卷模型,但真正决定那个数字能不能被信任的,是模型外围的工程:规则文件、指标口径、只读权限、检查清单和上报机制。本文拆解harness五

AI选错表,锅不在模型在文档
一位工程师给AI Agent搭MCP服务器查企业数据,结果发现最耗时的不是写服务,而是搞清Agent为什么总选错表。答案藏在dbt文档里:只有首行描述进得了检索

英伟达盯上数据库,XGBoost该慌吗?
NVIDIA 发布 Structured Data Models 库,用统一 PyTorch 接口封装 TabICLv2、KumoTabular 和 KumoR

让大模型直连生产库,谁给的胆子?
Text-to-SQL Agent 正在大量进入企业数据分析场景,但多数团队把大模型当成一个'可信的授权用户'直连生产库。本文拆解这一路径的典型事故与错误层次:

AI成了数据仓库的新甲方
Claude直连企业数据库自动跑SQL、Agent靠dbt文档选对表、Netflix用知识图谱扛住3800万事件/秒——三件事指向同一个判断:数据基础设施的验收

被AI引用,正在成为新的流量分配权

别囤数据了,Agent要的是上下文
2026云栖大会上,阿里云用Context Engine提出Agent数据旅程六阶段,配合OpenLake与ApsaraLakebase重画了数据基础设施全链路

别让你的Agent在生产环境里裸奔

别把数仓钥匙交给会幻觉的实习生
Text-to-SQL落地现场正在批量翻车:模型幻觉式JOIN触碰敏感数据、一次SELECT 差点打挂数仓。本文拆解根因——把Agent当成授权用户,并给出权限

Claude伸进数据库,BI坐不住了
Claude新增实时看板功能直连企业数据库自动跑SQL,被视为对BI工程师的直接冲击;同期开源的YOLO Data却主张让模型直接写SQL大概率行不通,要把确定

麦肯锡下场,给企业AI补上关系课

Netflix拆了监控看板,装上知识图谱

戴尔盯上了Agent最缺的东西

Agent查库是人29倍,数据栈慌了

5毛钱标10万行,SQL开始吃掉大模型

国产数据库把AI的活抢了
