数据产业观察日报｜Agent嗷嗷待哺

一、开篇暴击：今日最荒诞的一幕

dbt Summit 2026 上最精彩的一场戏，不是发布了什么新产品，而是一场集体改名仪式——官方博客标题写得明明白白：《From analytics engineer to context engineer》，从分析工程师到上下文工程师。

一夜之间，写SQL、调模型、修看板的兄弟姐妹们，统统获得了新头衔。工作内容变了吗？没有。变的是故事：以前你是「为人类决策服务的数据人」，现在你是「为LLM准备上下文的关键岗位」。薪资涨了吗？也不好说，但PPT肯定重做了一遍。

dbt 同场还发了另一篇更有意思的文章：《Model for the token, not the table》——为token建模，而不是为表建模。翻译一下：过去二十年数据建模是为了让BI工具有序地查表，现在要让大模型有序地「吃」上下文。

荒诞在哪？荒诞在整场大会没人问一句：如果建模的对象从表变成了token，那数据治理、血缘、口径这些老大难问题，是解决了，还是只是换了个更贵的容器装着？改名是行业里成本最低的创新。头衔免费，思路另算。

二、最被高估的事：又一家「统一多模态湖仓」

今天开源圈的两颗王炸几乎同时落地：Apache Doris 发布 5.0 Preview，标题叫《A Unified Multimodal Lakehouse for Real-Time Analytics》；StarRocks 发布 4.1，口号是「Built for Production, Designed to Simplify」。Doris 4.1 还顺手把全文日志搜索和实时SQL分析焊在了一起——《Unifying Full-Text Search and Real-Time SQL Analytics》。

先说公道话：这两家的工程能力是真的。Doris把倒排索引、向量检索和SQL揉进一个引擎，对标Elasticsearch+ClickHouse的组合拳，StarRocks继续压榨join性能，都是实打实的硬活。

但「统一多模态湖仓」这个词，已经是今年第N次出现了。Databricks说自己是，Snowflake说自己在路上，现在MPP阵营也说自己是。问题是：统一的到底是存储格式、查询接口，还是PPT模板？看各家文档，所谓「多模态」基本等于「加了全文索引和向量索引」——这叫功能扩展，不叫范式统一。真正的多模态湖仓，得回答文本、日志、向量、图数据如何在同一套血缘和治理下流转，而不是「我们也能搜日志了」。

DevToData今天那篇文章标题反而是全场最清醒的：《Stop Choosing Between BigQuery and Databricks Based on Marketing Slides》——别根据营销幻灯片选BigQuery还是Databricks。可惜啊，骂幻灯片选型的文章，本身也在幻灯片式的叙事里。大家都懂道理，一到发布会，全员失忆。记住一条铁律：凡是把「统一」写进标题的，一定有至少三样东西没统一。

三、最被忽视的事：有人在给Agent的「记忆」修下水道

今天的聚光灯全打在dbt Summit和两场湖仓大版本上，但有两条不起眼的新闻，可能五年后回看价值更高。

第一条：开源工具 Leviathan 发布，为Agent打造轻量全文索引，解决「上下文塞爆」问题。听起来像个周末项目？不，它戳中的是当下Agent落地最真实的痛：上下文窗口再大，也架不住往里倾倒整个知识库。检索式记忆（retrieval memory）正在从RAG的附庸，变成Agent架构的一等公民——而一等公民需要自己的索引基础设施。

第二条：Vast Data 用分层存储（tiered storage）缓解AI Agent的记忆需求。硅谷那边的逻辑很朴素：Agent的记忆要「热」的部分很小，「温」和「冷」的部分巨大，全放GPU旁边的闪存纯属烧钱。用分层存储把记忆当数据生命周期管理，这是存储厂商少有的、真正贴合Agent工作负载的设计，而不是把「AI」贴纸拍在旧产品上。

再加上Neo4j今天连发三篇——《contextual retrieval是什么》《从记忆到行为：skills、用户画像与整合回路》《rescored binary向量搜索省内存》——你会发现一个安静的共识正在形成：Agent的记忆，正在被当成一个独立的存储子系统来建设。修下水道从来不时髦，但没有下水道，再豪华的房子也没法住人。

四、最值得警惕的事：Agent读你的数据，然后一本正经地胡说

Elastic 今天发了两个东西，一个是 9.5 版本：列式存储、向量库索引模式与自动校准、AI驱动的告警分诊。产品功能，正常迭代。

但另一篇标题值得裱起来：《Trust, but verify: Atomic claim checking against LLM hallucinations》——信任，但要核实：针对LLM幻觉的原子级断言检查。

这话从一个搜索厂商嘴里说出来，分量完全不同。Elastic每天看着海量企业数据流过自己的引擎，它出来讲「要逐条验证LLM说出的断言」，等于行业老兵承认：我们给Agent接上数据管道的速度，远远快于我们验证Agent输出质量的速度。

把今天的新闻串起来看就毛骨悚然了：dbt在把数据做得「Agent-Ready」，Fivetran 和dbt联合发布企业数据Agent化新能力，Doris和StarRocks在让Agent的SQL跑得更快，Vast和Leviathan在解决Agent的记忆容量——整条链路都在疯狂加油门。可「Agent吃到错误上下文怎么办」「Agent基于幻觉数据做了决策谁负责」这个刹车，全行业只有Elastic一家在做原子级断言检查，还是个8分而非9分的新闻。

数据质量领域有句老话：garbage in, garbage out。Agent时代的版本更狠：garbage in, confident garbage out——垃圾进去，出来的是带着引用格式、语气笃定、还会自动生成汇报PPT的垃圾。等第一批「Agent基于脏数据自主决策」的事故上头条，大家才会想起今天这篇没人转发的verify文章。别等那天的调查报告里出现你的公司名。

五、数据说话

这张图就是今天数据产业的真实拓扑：上游，Doris、StarRocks、Fivetran、dbt四路大军把数据往「上下文」里灌；中游，Vast和Leviathan在给Agent的记忆修仓库和检索通道；而最下游的「验证」环节——只有Elastic孤零零一个节点，还是条虚线。

油门踩到底，刹车只有一个供应商在装，这就是Agent-Ready浪潮的全部真相。看懂了这张图的不对称性，你就看懂了明年数据安全预算该往哪儿砸。

明日预告：湖仓大战进入「多模态」回合，但裁判席上还坐着DuckDB和ClickHouse，好戏在后头。