统一语义层与Data Agent：构建AI就绪的企业数据智能体

应对数据分析的巴别塔困境

企业面临数据资产分散、数据结构复杂、业务与技术理解鸿沟等核心挑战。具体表现为：数据工程师交付的数仓表使用复杂，业务人员难以直接进行有效分析；Text-to-SQL等技术路径存在准确性和健壮性局限；大模型（LLM）存在输出不确定性和幻觉问题。这些问题导致企业数据缺乏共识的、可被高效洞察的单一事实来源。

构建全域统一语义层

腾讯云WeData提出以统一语义层作为解决方案，旨在构建连接底层数据与业务用户的桥梁。该语义层是数据的业务表征，需同时被人和机器理解，其核心要素包括：

• 概念：数据的业务含义。
• 关系：数据的组织关系（血缘+逻辑模型）。
• 指标：数据的计算口径。
• 维度：数据的观测维度。

通过语义建模，将技术性数据转化为易于理解的业务概念，确保数据是“分析就绪的”，并具备清晰一致的定义、统一的统计口径和质量保证。

实现精准高效的智能分析

统一语义层通过其核心能力支撑Data Agent实现精准分析：

• SemQL：以JDBC方式提供类SQL的语义层查询能力，将Text2SQL转变为更精准的Text2Semantic2SQL。
• MetaRAG：基于FlattenedRAG (F-RAG) 与StructuredRAG (S-RAG) 的混合架构，实现结构化元数据的智能检索增强。F-RAG通过枚举元数据组合生成亿级问答知识库，准确度高；S-RAG利用元数据结构特性进行过滤召回，有效解决长尾问题。
• 语义知识召回链路：通过意图识别、Query改写与分解、多路召回核心候选实体（如指标），并基于此召回相关维度，最终由大模型筛选最符合用户需求的元数据组合。

打造可进化的数据智能体生态

基于统一语义层，腾讯云构建了Data Agent智能体，其具备数据开发、治理、分析等专家能力。该智能体具有以下应用特点：

• 多渠道嵌入：可作为WeData GUI辅助、LUI独立入口、SDK/插件嵌入Office等应用，或以A2A协议API形式集成。
• 持续进化：基于反馈进行语义标注和模型调优，具备迭代进化能力。
• 自定义与分享：用户可针对特定场景配置领域知识和工具集，并可通过API、URL等方式分享自己的Data Agent。

腾讯视频的智能分析实践

以“腾讯视频昨日播放量最高的是哪部电视剧”这一业务问题为例，Data Agent的工作流程展现了其价值：

1. 精准理解：通过MetaRAG技术，从海量元数据中精准识别用户查询意图对应的核心指标（“播放量”）和维度（“电视剧”、“剧名”）。
2. 可靠执行：基于统一语义层定义的指标口径和维度关系，生成准确的查询逻辑，确保结果可信。
3. 高效交付：最终为用户提供准确的答案，整个过程降低了业务人员直接编写复杂SQL的门槛和出错风险。

选择腾讯云的技术确定性

腾讯云WeData统一语义层与Data Agent解决方案的价值在于：

• 技术领先性：创新的SemQL查询语言和MetaRAG混合检索架构，有效提升了大模型理解和使用企业数据的准确性。
• 架构完整性：产品架构覆盖从数据源、数据编织、自适应加速、语义建模到Data Agent和应用层的完整链路，为企业提供端到端的智能数据分析能力。
• 生态开放性：支持腾讯大模型、企业自有模型及多种开源模型，并提供丰富的集成方式，助力企业构建个性化的数据智能生态系统。

来源：腾讯云WeData研发总监 虎兴龙 关于“基于统一语义层的Data Agent”的技术分享。