近日，阿里雲 DataWorks Agent 正式發佈，推出面向數據開發治理的全新智能範式——用自然語言對話驅動全鏈路數據開發，讓“你説，我做”成為現實。
現在，只需輸入一句描述，DataWorks Agent 就能自動完成從需求理解、任務構建、代碼生成到調度發佈的全流程操作，真正實現“對話即開發”。
核心功能發佈：兩大場景，全面提效
場景一：數據開發 Agent —— 一句話生成可上線 ETL 任務
還在手動建表、寫SQL、配調度？現在，你只需要説：
“請按照需求文檔中的內容，構建“直播間商品成交數據”的ads層。
要求：
1.需遵從數倉建設規範，同步建設dwd、dws層的表及代碼，並使用工作流來承載所有開發任務
2.ADS層的表使用 StarRocks 和 Hologres 實現，其餘的表使用 Serverless Spark和 MaxCompute 實現”
DataWorks Agent 會自動：
- 需求理解與語義解析，識別關鍵詞，判斷任務類型和目標用途；
- 工作流創建，設置合理的上下游依賴
- 自動代碼生成，應用最佳實踐，支持生成SQL/Python多語言代碼；
- 智能調度配置，設置每日定時調度，對應凌晨1點執行，同時配置失敗策略；
- 自動生成任務描述，發起最終發佈。
DataWorks Agent 產品演示 >>
特別適用於：
數據量大、ETL任務頻繁、團隊協作複雜的企業，有效解決開發效率瓶頸、新人上手慢、業務需求響應延遲等問題，或正在推進數據平台智能化升級的企業。
場景二：數據治理 Agent —— 自動化智能數據質量治理
手動一條一條寫數據質量規則太麻煩了，現在，你只需要説：
“幫我針對dim\_user\_info這張核心用户維表，自動生成質量規則。”
DataWorks Agent 會自動：
- 解析表結構並識別字段類型、業務含義及關鍵字段（如主鍵、手機號、性別等）；
- 基於字段特性與業務重要性，智能推薦主鍵唯一性校驗、非空約束、性別字段枚舉值校驗等規則；
- 一鍵完成規則配置並綁定監控策略。
通過自然語言指令即可完成以往需人工探查、分析、配置的複雜流程，顯著降低數據治理門檻；規則推薦基於專家級治理經驗，確保治理策略的準確性與有效性。
“找出熱門訪問表未配置質量規則的表，推薦並配置質量規則。”
DataWorks Agent 會自動：
- 通過數據資產治理健康，自動識別高頻訪問的熱門表，且無質量規則配置保障的表；
- 結合表字段語義、產出任務信息、血緣信息及與歷史配置，智能生成定製化規則組合（如金額字段範圍校驗、時間字段格式校驗），批量生成質量監控及規則的配置建議；
- 用户確認後，自動針對多張表進行質量監控及規則的設置；數據質量模塊將按照配置，運行質量監控。
無需人工篩選目標表或手動設計規則，系統主動識別質量治理問題，並提供可行的解決方案，大幅提升數據質量覆蓋率與治理效率。
特別適用於：
快速配置核心表質量規則，統一治理多源數據資產，自動化監控高頻質量問題，在大規模場景下補齊規則、保障新表合規，並支持審計前集中治理。
技術背後：不只是大模型，更是“有記憶、能決策”的 Agent
DataWorks Copilot 並非簡單的 Prompt 工具，而是具備完整 Agent 能力的智能體系統：
| 能力 | 説明 |
|---|---|
| 深度理解與自主規劃 | 基於上下文感知與多輪對話，準確識別複雜意圖，自主將任務分解為可執行的多步驟計劃 |
| 數據開發治理過程自動化 | 深度融合 DataWorks 核心產品能力與流程，全面打通上下文數據， 內置 DataWorks 工具集 |
用户實測反饋：效率飛躍，釋放創造力
DataWorks Copilot 現已在阿里集團淘寶、天貓等內部團隊深度使用，據用户實測反饋：
- 開發週期從“天級”縮短至“分鐘級”
- 整體提效提升近10倍
- 80%以上的常規 ETL 任務可由 Agent 全自動完成
更重要的是，開發者終於可以從重複性勞動中解放出來，轉向業務創新、業務價值挖掘，並探索AI與數據融合的新場景
正如用户所説：“我們不再只是‘搬磚’的工程師，而是真正的數據架構師。”
立即體驗
📍 適用人羣：數據工程師、ETL開發、BI分析師、數據產品經理 📍 適用場景：日常數據加工、報表開發、數據遷移、數倉建設、數據治理等
👉 體驗入口：登錄 DataWorks 控制枱 → 點擊 Copilot 圖標 → 確認協議即可開啓
提示：主賬號、租户管理員或具備同等權限用户可一鍵開啓公測，開啓後該賬號下所有成員均可使用。
更多瞭解：點擊查看《DataWorks Copilot 使用指南》
