​

小张

现在

OK👌，排期1天搞定。

小张交付了，鉴于小张的工作口碑，我相信他的结果，但后来发现他给的结果和数据工程师小王做的报表数据对不上😭，只能说小张、小王的工作也不完美。

小张、小王的优势是，在和我的沟通过程中，充分共识了数据分析的上下文，我知道他们知道我想知道的。

小张、小王的不足是，没有统一的上下文，导致了同样的数据指标，结果对不上。

我需要的Data Agent：

1. 不是只给我一个数，也不是给我展示一段让我头皮发麻的SQL，我还得找数据工程师小张看看SQL对不对
2. 知之为知之，不知为不知，是知也。
3. 无论何时、无论是谁，都能得到一致的结果
4. 针对取数结果做一些同环比、增长率的分析，再加点个人见解，虽然很不错，但那活儿现在元宝、豆包都能干，我还要能真正帮我发现我负责的这个业务，哪些指标、维度我分析的时候可能没有考虑到，也能给我也查出来。

怎么做？

一个简单而又朴素的想法，那就是提供一个平台让数据人定义一致的上下文吧！在WeData，我们叫Unity Semantics，目标是帮助建立一个人与机器都能理解的统一语义层。

2

Data Agent的

语义上下文是什么样的？

也许你已经听过语义、统一元数据、本体论、上下文工程、headless BI等概念，但让我们先从一个简单的智能问数场景看看，我们需要什么？以某会员业务分析为例，如果有以下数据上下文，那么无论是模型还是人，都能轻松进行问数，当我们问：会员业务近期表现怎么样？利用大模型的推理能力也能轻松进行多指标、维度的数据获取。我们只需要小张、小王这样的数据工程师不断积累、丰富数据模型、指标、维度定义。

因此数据工程师在WeData平台上构建完整的语义上下文包括：

主题建模：按照业务领域组织数据，如“会员运营”、“交易分析”等主题

维度建模：定义时间、地域、用户属性等多维分析视角

指标定义：明确业务指标的计算逻辑和统计口径

维度字典：统一业务术语的标准定义和取值范围

3

语义上下文，

应该以什么方式被Data Agent使用

很多人可能马上想到的是基于元数据知识RAG然后text to sql。 但这种方案适合在SQL代码辅助等容错性高、SQL可操作性高的场景，在追求确定性、准确性的数据分析场景，这种方案有弊端，道理也比较容易理解：把小王、小张两位数据工程师请回来，让他基于上图的语义上下文写SQL来取数，你也无法确信他们写的SQL是正确的。

一种比较有效做法是：应该将数据查询部分，转化为确定性高的MCP工具(API)调用，API的后端是基于规则的SQL生成，而不是基于生成式LLM的SQL生成。

这带来了四个显而易见的好处：

1. 提升取数一致性，同一个指标不会在不同人、不同时间得到不同的结果。
2. 宁缺毋滥，可能找不到指标或者维度，但是绝对不会查出错误的数据。
3. 清晰的可迭代优化路径，即：只要数据工程师不断丰富指标库的定义，Agent回答问题的成功率就会提升。
4. 提升了确定性、可解释性，高度结构化的指标库、结构化MCP 工具定义 ，可以让用户清晰的理解Agent回答的正确与否。

但确实依旧也存在两个挑战：

1. API的调用成功率仍然需要提升，存在一些情况下，API调用失败，但是相比text2SQL准确率的优化，对API 调用成功率的优化要简单的多，仅仅通过调整prompt就能有很不错的效果。
2. 指标库的维护成本对很多人来讲有点高，一方面我们在不断通过产品设计来优化提效，另一方面，这也是不可避免的治理动作，很多指标一次定义多次复用，边际成本是降低的，要相信：不要在落后的工艺上做自动化，不要在乱七八糟的数据上做智能分析。但这一挑战也有根本性的解法，就是重构数据开发模式，目前业界已经有一些讨论，但是还不成熟，这里先不展开。

4

有了统一语义层，数据人可以

自定义自己的智能问数Agent了

小张、小王作为数据工程师，可以基于自己维护的指标库，利用MCP定义自己的数字分身，让我以后取数，直接问他们的数字分身。

我作为产品经理，因为有了指标库MCP，我也可以自己按需编写prompt，定义我自己数据分析智能体，我也不需要再麻烦小张、小王。

5

统一语义层的核心能力

1. 语义建模：强大的语义建模表达能力，支持复杂指标、维度定义，基于图论的复杂指标SQL生成
2. 智能加速：多级缓存，自适应CTE提取合并IO、谓词下推、自动物化视图推荐和合并，提升agent 数据查询性能
3. 语义检索：基于结构化元数据知识索引、多路召回、混合排序能力，能够让agent 根据用户找到要分析的维度、指标
4. 开放集成： API、JDBC、语义层MCP、插件等提供丰富的下游生态对接能力，统一数据出口

6

数据工程师如何构建语义层

第一步：定义表模型，拖拽式建模，业务语义随需定义

数据工程师可基于已加工好的事实表（如订单表）与维度表（如用户表、商品表等），通过可视化界面快速创建多维分析模型。只需将相关表拖入画布，系统即可智能识别关联字段（如通过“用户ID”关联订单与用户、通过“商品ID”关联订单与商品），自动构建星型模型。

同时，WeData 支持按业务场景灵活调整维度名称、隐藏非必要字段，确保模型既符合技术规范，又贴合业务语言，降低理解成本，提升协作效率。

第二步：定义指标、维度，夯实数据口径基础

模型构建完成后，用户可基于其定义原子指标——即最细粒度、不可再拆分的业务度量。例如，配置“订单总金额”指标时，只需指定：

指标名称：订单总金额

编码：order_total_amount

业务定义：所有有效订单金额的汇总值

计算口径：对订单表中的 Order_amt 字段执行 SUM 聚合。

发布后，该指标即成为组织内统一、可复用、可追溯的核心度量标准，有效避免“同名不同义”的数据歧义。

灵活衍生指标，覆盖多样分析场景

为满足复杂业务需求，WeData还支持多种类型的衍生指标配置，包括：

通过组合原子指标与时间窗口、过滤条件及计算逻辑，业务人员无需依赖开发，即可快速响应动态分析需求。

第三步(无需要操作，自动生成)：平台自动生成指标服务，实现自助分析闭环

作为指标消费者，分析人员可在WeData指标服务中：

➢ 快速检索所需指标，查看其定义、计算逻辑、可用维度及服务状态；

➢ 在线申请指标使用权限，获批后即可自由选择多个维度（如地区、渠道、商品类目等）进行交叉钻取与下钻分析；

➢ 进阶用户还可通过SemQL（语义化查询语言）实现更灵活的维度组合、排序、过滤等操作，真正做到“所想即所得”的自助分析体验。

7

如何自定义智能问数Agent

以下推荐两种方式：基于Agent平台 、自己编码实现。 两种方式都需要提前申请腾讯云AK/SK 用于访问语义层MCP。

方式一：基于各厂商的Agent 开发平台，应用语义层MCP工具，自己编写prompt即可自定义智能问数Agent

指标发布后，会自动生成MCP服务。将WeData语义层MCP服务在各类智能体开发平台中注册为插件后，即可发布插件。将WeData语义层MCP插件中的所有工具添加到Agent中，Agent发布后，用户即可在Agent中进行智能问数和分析。

以腾讯云智能体创建平台ADP为例，比如用户询问近30天每天订单总金额情况，Agent识别到指标语义后通过调用WeData语义层MCP服务，获取近30天中下单总金额，并经过大模型分析处理后，呈现给用户。

附：Prompt Demo

# 任务目标
作为专业的指标分析助手完成数据分析工作，要分析的数据所在的项目ID:12344554657457，包括指标查询、用户确认、数据获取和结果输出。
# 任务流程
1. **查询所有指标列表**
   - 基于用户的问题生成指标检索的关键词列表,以空格分隔
   - 使用 `SearchMetric` 工具获取项目下的所有指标列表
   - keyword参数设置为关键词列表
   - 提取每个指标的以下信息：
     - ID
     - 指标名称(Name)
     - 指标显示名(DisplayName)
     - 可分析的维度列表
     - 各维度的枚举值
2. **用户确认指标选择**
   - 选取可分析的指标以下列Markdown表格形式展示给用户确认：
     ``` markdown
| 指标ID | 指标英文名(Name) | 指标名称(DisplayName)           | 可分析的维度名称 |
| ----- | ------------------ | ---------------------------- | ----------- |
| 指标ID |    指标英文名称      | [指标显示名](Link) | 年龄, 性别 |
     ```
   - 等待用户确认是否继续分析
3. **编写SemQL查询语句**
   - 根据用户选择的指标和维度，编写SemQL查询语句
   - SemQL 中的指标名称、维度名称不可使用DisplayName，必须使用Name
   - 将编写的SemQL查询语句以下列Markdown形式展示给用户确认：
     ```sql
        select * from query(
        metric=[AVGYieldRate, AVGMinInvest],
        group_by=[TimeDimension(order_date,"这里是时间粒度，例如:day,month"),Dimension(product_name)],
        where=[Dimension(product_type) = '基金' or Dimension(product_type) = '股票' and TimeDimension(order_date,day) >= '2023-01-01' and TimeDimension(order_date,day) <= '2023-09-19'],
        order_by=[TimeDimension(order_date) desc,
        Dimension(product_name)],
        limit=10) 
     ```
   - 等待用户确认是否继续分析
4. **获取指标数据**
   - 调用 `QueryMetricDataBySemQL` 工具获取指标数据
5. **输出分析结果**
   - 将获取到的指标数据以Markdown表格形式输出
# 限制条件
1. 严格禁止虚构数据内容、指标名称、维度名称
2. 严格禁止虚构工具请求参数
3. 仅回答与数据分析相关的问题，拒绝无关问题
5. 输出结果必须使用Markdown表格格式
6. 指标名称需设置为可点击跳转的超链接形式
7. 在用户确认前不得进行数据分析操作
8. 确保每个步骤都提供清晰的回复示例和格式要求
9. 确保所有工具调用参数都经过用户确认 

方式二：仅需200行代码实现自定义智能问数Agent

依赖组件库：streamlit、langgraph

核心代码逻辑参考如下：

async def chat_completions(query, session_id=None, conversation_history=None):
    """
    改进的聊天完成函数，支持对话记忆
    Args:
        query: 用户输入的查询
        session_id: 会话ID，用于区分不同的对话线程
        conversation_history: 对话历史记录列表
    """
    try:
        mcp_servers = {
            "WeData_Unity_Semantics": {
                "url": "https://api-ap-beijing-fsi.wedata.cloud.tencent.com/api/mcp/v1/metric",
                # "desc": "wedata统一语义层MCP",
                "headers": {
                    "TENCENTCLOUD_SECRET_ID": "腾讯云access key",
                    "TENCENTCLOUD_SECRET_KEY": "腾讯云 secret key",
                    "TENCENTCLOUD_REGION": "可用区，例如：ap-beijing-fsi"
                },
                "transport": "streamable_http",
            }
        }
        mcp_client = MultiServerMCPClient(mcp_servers)
        agent = create_react_agent(
            model=get_chat_llm('hunyuan-turbos-latest', False),
            tools=await mcp_client.get_tools(),
            checkpointer=checkpointer,
            prompt=prompts.prompt_human_check_semql
        )
        # 使用会话ID作为线程ID，如果没有提供则生成一个
        if session_id is None:
            session_id = str(uuid.uuid4())
        config = {"configurable": {"thread_id": session_id}}
        # 构建消息列表，包含历史对话
        messages = []
        # 如果有对话历史，将其转换为LangChain消息格式
        if conversation_history:
            for msg in conversation_history:
                if msg["role"] == "user":
             messages.append(HumanMessage(content=msg["content"]))
                elif msg["role"] == "assistant":
    messages.append(AIMessage(content=msg["content"]))
        # 添加当前用户消息
        messages.append(HumanMessage(content=query))
        # 调用代理
        res = await agent.ainvoke({"messages": messages}, config=config)
        return res['messages'][-1].content, session_id
    except json.JSONDecodeError as e:
        print(f"JSON解析错误: {e}")
        print(f"原始响应内容: {e.doc}")  # 打印出导致解析失败的原始内容
        return None, session_id
    except Exception as e:
        print(f"其他错误: {e}")
        return None, session_id

8

双赢的价值重构

这种新模式重新定义了数据工程师和业务分析师的协作关系：

数据工程师得以聚焦数据本身：从繁重的临时查询需求中解放出来，专注于数据架构、数据质量和语义模型建设，发挥更大的技术价值。

业务分析师获得分析自主权：无需等待技术排期，快速响应业务变化，通过自定义Agent实现真正的自助分析。

企业获得可信的数据驱动能力：统一的语义层确保了“Single Source of Truth”，消除了口径不一致导致的决策风险。

9

未来

腾讯云WeData Unity Semantics不仅仅是一个技术解决方案，更是数据协作模式的一次升级。

数据工程将进一步与软件工程融合，过去五年数据工程革新的是数据交付的文化和方法，即：DataOps,关注的是自动化、协作、CICD等。 未来5年，数据工程将在编程范式上发生革新，这一变化正在发生，即从过去着重工作流执行的「面向过程」编程范式向注重数据、关系、行为的「面向对象」编程范式转变。 数据对象的核心就是State(例如：维度是属性、指标动态数据，都是State)、Relation(引用、关联关系)、Identity(标识、名称、标签等)、Behavior(即引发State、Relation更新的操作)，这种转变才能赋予大模型理解数据因果关系的能力，才能实现真正意义上的Data Agent。

当前我们主要聚焦在结构化库表关系建模、指标、维度语义，解决智能问数的问题。这只是我们的一小步，未来我们会持续输出。

点击文末「阅读原文」，了解更多WeData Unity Semantics详情

​

文章来源于腾讯云开发者社区，点击查看原文