← 返回 技术博客

技术文章

Agentic BI 的分水岭:分析智能体与操作智能体如何协同

从证据链、工具执行、共享状态和企业治理出发,拆解分析智能体与操作智能体的协作架构。

2026/08/26技术博客HENGSHI3 分钟阅读
Agentic BI分析智能体操作智能体多智能体HENGSHI CLI

Article body

正文

ChatBI 让用户用自然语言访问数据,Agentic BI 接管一段完整的分析任务。两者的边界可以用一个销售场景判断。用户问“华东区本月收入是多少”,系统返回数字,属于对话式分析;用户要求“找出收入下滑原因,生成复盘材料,并把重点客户名单交给销售团队”,系统需要规划、分析、生成产物和发起动作,任务已经进入 Agentic BI。

分析智能体负责证据链

分析智能体接收业务目标后建立问题树。收入下降可能来自客户数、客单价、产品结构或退款变化。系统逐项读取指标定义、调用查询工具并比较结果,再根据中间证据调整路径。它需要保留每一步使用的指标、筛选条件、数据来源和查询结果,业务人员才能复核结论。

分析智能体还要管理不确定性。数据不足时,它应说明缺口并给出可验证假设;多个指标口径冲突时,它应暂停并请求确认。企业需要可解释的分析过程,不能只接收一段语气笃定的文字。

操作智能体连接业务系统

操作智能体把结论转换成可执行任务。它可以创建仪表盘、更新订阅、生成客户清单,或调用 CRM、工单和通知系统。每类动作都需要明确参数、权限和状态回传。系统还要处理超时、部分失败与重复调用,避免重试创建两份任务。

高风险动作需要 Dry Run。Agent 先展示将要修改的对象、影响范围和预期结果,用户确认后再执行。写入完成后,操作智能体把结果回传给分析智能体,后者继续观察指标变化。

两类 Agent 的工程边界

对比维度ChatBIAgentic BI
技术定位自然语言分析入口可规划、可执行的分析智能体系统
覆盖范围查询与解释建模、查询、创作、交付与反馈
核心组件LLM、语义层、查询引擎Agent、调度器、语义层、CLI/API
数据建模依赖预先准备可在授权范围内创建或修改
可视化返回表格或图表创建完整分析资源
错误处理报错或重新提问分类、修正、重试或人工接管
企业治理查询权限与审计工具权限、审批、幂等、回滚和审计

分析与操作也需要明确分工:

  • 分析智能体管理假设、证据和结论。
  • 操作智能体管理参数、权限、执行和回执。
  • 调度器维护依赖、超时、重试和人工接管。
  • 语义层提供统一指标、维度、日历和业务术语。
  • CLI 或 API提供稳定、可审查的工具契约。
  • 权限系统决定每个主体能读什么、能改什么。

HENGSHI CLI 当前覆盖的数据连接、数据集、语义模型、仪表盘、权限、导出和数据管道等命令域,为这些职责提供结构化参数与回执。Agent 可以调用工具,审核人员也能用同一命令检查目标和影响范围。

三类共享状态

协同需要一套共同状态。

状态主要内容典型检查
业务状态目标、约束、成功标准、截止时间任务是否仍满足原始目标
分析状态假设、指标、筛选、证据、置信度结论能否从查询结果推导
执行状态Dry Run、审批、进度、错误、回滚点写入能否重试且不重复

缺少业务状态,Agent 容易完成了步骤却偏离目标;缺少分析状态,操作没有证据基础;缺少执行状态,长任务会在重试时污染资源。

一条协作链路

以“分析华东收入下降并通知销售负责人”为例:

  1. 调度器把任务拆成指标确认、归因分析、名单生成和通知四步。
  2. 分析智能体读取“收入”指标定义,确认时间与区域范围。
  3. 问数工具返回客户数、客单价、产品结构和退款相关数据。
  4. 分析智能体形成证据链,圈定影响最大的客户集合。
  5. 操作智能体生成客户清单与通知参数,先运行 Dry Run。
  6. 用户确认影响范围后,操作智能体发起写入并返回资源 ID。
  7. 调度器记录回执;分析智能体在下一周期检查收入与跟进状态。

每个步骤都需要结构化输入与输出。自然语言适合表达目标和解释结果,资源 ID、权限、审批状态与错误码应使用机器可验证的字段。

生产环境的四个门槛

幂等

每次写任务都需要稳定的幂等键或重复检测机制。网络超时只说明客户端没有收到结果,不能据此再次创建资源。

最小权限

Agent 获取的工具权限应与当前任务绑定。查询指标不应自动获得修改数据集或发送外部通知的权限。

失败分层

语法错误、参数缺失、权限拒绝和下游超时需要不同处理。自动修正适合参数与语法问题,权限与口径冲突应交给有权人员。

可回放审计

审计记录需要包含计划版本、使用的指标、工具参数、审批人、回执和最终结果。团队应能重放决策过程,不要求重新执行高风险动作。

企业采购看任务完成率

演示现场的一次成功问答无法证明 Agentic 能力。采购测试应使用 10 至 20 条真实任务,记录完成率、人工介入次数、错误可恢复性、口径一致性和审计完整度。平台若只能生成建议,仍处在分析助手阶段;平台若能在授权范围内稳定交付资源与动作,才具备 Agentic BI 的工程基础。

资料与核验

HENGSHI SENSE

丰富的资源 完整的生态

邀您成为衡石伙伴

立即加入

企业级部署、产品集成与试用咨询均可快速响应