Data Agent 周报｜国内外团队在补什么？

覆盖北京时间 2026 年 10 月 11—17 日。这一周先看 4 条国内动态，再看全球进展。

整理下来，10 条消息指向同一个方向：Data Agent 的竞争正在从“能不能回答”转向“能不能持续、可信地参与工作”。具体表现为应用可复用、上下文可继承、语义先于执行、验证内建在流程里。

国内：把分析路径变成可复用资产

01 阿里云 Quick BI：归因思路与作品复用（10/13）

v7.0.1 新增指标拆解树与拆解公式链，图表可保存自定义归因思路；AI 报表支持协同编辑，作品广场让报表、报告和 HTML 看板在组织内复用。

意义在于：分析路径可以随图表沉淀，业务团队能接着修改和使用 Agent 生成的作品，而不必每次从零开始。

02 衡石科技：沿现有看板继续分析（10/12）

Data Agent 沿当前看板的指标、筛选与时间范围继续追问，辅助图表和指标创作；查询、编辑、保存分别管理。

这类“看板上下文”的设计解决了一个具体问题：连续追问时，哪些指标与过滤条件被继承、替换或新增，必须明确。否则追问越多，口径漂移越远。

03 大应科技：业务语义先于执行（10/15）

Aloudata 作者提出，先整理指标、关系和计算规则，让 Agent 据此选择与组合；遇到口径缺口时准确反问。

文章以净销售额、财务收入、客户映射及订单关联为例，指出企业知识可能藏在历史 SQL 和报表中，需要整理成当前任务可用的上下文。面对支付、发货、财务确认等不同口径，Agent 应提出具体澄清，再据确定的规则执行。

04 yimindev：DatI 新增游客试用（10/14）

DatI v0.8.0 加入游客试用入口。项目用业务术语、元数据和参数化 SQL 工具，将数据库封装为 Agent 可调用的 MCP 服务。

降低试用门槛本身不构成能力突破，但它让“语义网关”这个配置路径更容易被评估。

全球：应用、验证与评测同时推进

05 Google Cloud：Looker Data Apps 进入 Preview（10/12）

Agent 生成的交互式应用进入 Looker 原生托管环境，复用 LookML 语义模型、行级安全和访问控制，用户可调参数、比较情景并触发下游工作流。生成后的交互没有运行时 LLM token 消耗。

这是本周最值得关注的一条：它把“一次性回答”变成“可反复使用的应用”，同时把语义和权限留在既有治理体系内。

06 dbt Labs：Wizard 把验证接进执行流程（10/14）

Wizard 先从项目元数据索引发现模型、血缘、测试和契约，再执行受权限控制的工具。编译和测试失败会回到模型供其修正；验证范围受批准的模型集合约束。

值得注意的是“失败回到模型”这个设计：验证不是最后一道人工关卡，而是执行循环的一部分。Wizard Desktop 目前开放候补登记。

07 Google Cloud：Data Agent Kit 串起数据流程（10/12）

端到端实践把交易日志导入 BigQuery，用 dbt 去重并关联付款方与收款方数据，再以 Spark 训练随机森林、评估 ROC AUC 并批量评分，把待复核记录写入 Spanner，最后生成 Airflow DAG 每日运行。

教程保留了代码审阅、运行和结果检查环节，风控队列由业务人员继续复核。它展示的是“可检查的自动化”，而不是全自动。

08 Snowflake 补齐上下文、执行与交付（10/12—14）

三项更新相互衔接：Horizon Context 连接外部来源元数据并支持跨平台列级血缘；Cortex Agent SDK 维护会话、线程和持久任务，可重连长任务；CoWork 文档生成进入 GA，可将分析输出为 PDF、Word、PowerPoint 或 HTML。

三项分别对应上下文、运行时和交付面，拼起来正好是 Data Agent 的三个基础层。

09 Canner：WrenAI 扩展数据源与访问控制（10/14—16）

wren v0.16.0 增加 StarRocks 数据源；semantic-core v0.5.0 加入可插拔访问控制提供方。版本同时修复了规划 SQL 时保留显式 ROWS 窗口框架、去除 MDL 限定符时保留字符串字面量等问题。

连接扩展和查询语义修复一起推进，说明开源项目也在处理“接得更多”与“算得更准”之间的平衡。

10 MLCommons：MLPerf Agents 将评测任务效率（10/15）

MLCommons 获选 STRIDE Ventures AI Efficiency Challenge 评测团队，以两年 350 万美元支持建设 MLPerf Agents。计划从委派目标到已验证结果评估完整工作流，把成本、能耗、延迟和吞吐与成功完成任务挂钩。初期工作负载计划覆盖软件工程、研究与数据分析、客户服务。

这条的意义在方法论：如果评测只看得分不看资源消耗，系统会倾向于用更长的推理链换更高的准确率，而这在生产里往往不可接受。

我的观察

可靠分析需要把业务背景带进每一步：用哪个指标、继承什么筛选、怎样关联数据、如何验证结果。

应用和工作流能持续使用，这些细节就得持续维护。本周的 10 条进展，恰好各自补上了其中一个环节：Quick BI 和 Looker 补“复用”，衡石补“继承”，Aloudata 补“先定口径”，dbt 补“验证内建”，Snowflake 补“统一底座”，MLPerf 补“评测口径”。

真正值得追问的是：当这些能力组合在一起时，失败能不能被定位到具体一环。

来源

时间窗：2026-10-11 00:00—2026-10-17 23:59:59（北京时间）。检索截止：2026-10-18 09:03。