A3--陈涛--迈向生产级Agent：构建统一的多源实时上下文.pdf

《A3--陈涛--迈向生产级Agent：构建统一的多源实时上下文.pdf》由会员分享，可在线阅读，更多相关《A3--陈涛--迈向生产级Agent：构建统一的多源实时上下文.pdf（39页珍藏版）》请在三个皮匠报告上搜索。

1、迈向生产级Agent构建统一的多源实时上下文陈涛 阿里云产品专家01020304 AI Agent 为什么需要实时上下文？AI Agent 实时上下文面临的挑战AI Agent-Ready 架构企业 Agent 数据架构实践AI Agent AI Agent 为什么需要实时上下文？一个值得思考的问题49.7%49.7%软件工程行业占据近一半的 AI 调用量数据来源：Anthropic 2025 年 2 月平台报告但其他行业呢但其他行业呢？为什么 AI 智能体能在软件工程行业跑得飞快，在其他行业却没彻底爆发？同样是 Agent Agent，为什么差距这么大？程序员程序员 Agent Agent数

2、字原生 闭环可验证 PRD、设计、代码全在电脑里 产出物也在数字环境中 AI 与日常工作无缝衔接 拥有完整闭环、可验证超市店长超市店长 Agent Agent信息失明 决策依据缺失 不知道货架是不是空了 不知道商品标签是否填错 不知道隔壁超市有没有促销 不知道生鲜为什么损耗高在有限信息下，再聪明的店长也无法做出合理决策在有限信息下，再聪明的店长也无法做出合理决策凭什么要求凭什么要求 Agent Agent 做得更好做得更好？理论支撑：信息完备性Information Completeness 信息论中的核心概念若观测环境提供的数字信息缺失完备性若观测环境提供的数字信息缺失完备性，则该问题在逻辑

3、底层即存在不可解性则该问题在逻辑底层即存在不可解性。一个反例：业务电话告警分析一个反例：业务电话告警分析如果只给 Agent 提供 Log+Metrics，但它看不到看不到 PRD PRD不懂技术架构不懂技术架构不知道部署方式不知道部署方式不了解核心代码不了解核心代码再优化再优化 PromptPrompt、再加、再加 SkillSkill、再调记忆、再调记忆效果依然大打折扣效果依然大打折扣通用 Agent vs Agent vs 企业 Agent Agent 的本质差距通用通用 Agent Agent基于公开知识训练能力特征能力特征会写代码、写文案、聊天对话能调用通用工具(搜索、计算)回答基于

4、公开知识与常识我们公司昨天的订单量?抱歉，我无法访问实时业务数据。企业企业 Agent Agent基于企业数据驱动能力特征能力特征实时感知业务事件与状态变化能查询企业内部数据库与日志决策基于真实业务上下文我们公司昨天的订单量?上海仓 12,847 单，环比 8.2%，异常 23 笔。没有企业数据的没有企业数据的 AgentAgent，只是一个会说话的搜索引擎，只是一个会说话的搜索引擎企业数据的三种典型形态它们的共同特征：实时产生、持续变化、是企业业务的真实写照0101OLTP OLTP 业务数据业务数据Online Transaction ProcessingMySQL、PostgreSQL、

5、PolarDB 中的订单、用户、库存、交易等业务表MySQL PostgreSQL PolarDBMySQL PostgreSQL PolarDB0202消息流数据消息流数据Event StreamKafka、RocketMQ、MNS 中的业务事件流（下单、支付、点击、状态变更）Kafka RocketMQ MNSKafka RocketMQ MNS0303日志与可观测日志与可观测Logs&Observability应用日志、访问日志、监控指标、链路追踪等运维与行为数据SLS Prometheus TracingSLS Prometheus TracingAgent Agent 消费企业数据的

6、三种姿势强大的 Agent 同时需要这三种能力，而传统数据架构只擅长其中一种QUERYQUERY查询式（挂载）查询式（挂载）Agent 主动查 MySQL，获取当前状态典型场景典型场景客服 Agent 查订单详情 MySQL/PolarDBSUBSCRIBESUBSCRIBE订阅式订阅式Agent 监听事件流，实时响应变化典型场景典型场景风控 Agent 实时拦截异常交易 Kafka/RocketMQREPLAYREPLAY追溯式追溯式Agent 查询历史事件，做趋势与复盘典型场景典型场景AIOps Agent 复盘故障链路 历史事件存储典型场景：企业数据驱动的 Agent AgentAgen