A2--陈成禧--大模型驱动的质效数据深度洞察.pdf

1、陈成禧趣丸科技陈成陈成禧禧趣丸科技 资深架构师15年多的IT行业经验，前腾讯音乐集团架构师、当前就职于广州趣丸科技，负责效能平台、可观测平台、运维智能化相关的建设工作。在可观测、高可用系统架构设计以及人工智能领域积累了丰富的实践经验。目前，正致力于探索运维Agent、Data Agent、智能根因定位的有效应用。目录目录CONTENTS痛点与目标0102 落地的关键点效果展示03未来展望04PART 01PART 01痛点与目痛点与目标标效能平台建设的一效能平台建设的一般流程般流程指标体系设计数据采集数据处理可视化分析应用相对成熟，流程固定复杂多变，千团千面效能平台建设的痛点效能平台建设的痛点

2、指标繁杂罗列：无法关注到重点 交互太复杂：想看简单的数据，要点好多次才能找到 响应太慢：提个需求要等开发排期，等做出来热度都过了可视化痛点分析应用痛点 分析太浅显：数据是有了，但不知道说明什么问题，更不知道怎么改进 决策支持不足：从数据到决策之间缺少关键的分析环节 人工分析低效：需要专门的效能专家或效能助理定期分析数据、生成报告，成本高、周期长从从 人工驱动人工驱动 到到 大大模型驱动模型驱动 的转变的转变 传统方式是人工驱动：需要专家来理解数据、分析问题、给出洞察报告从专家稀缺到智能普惠的转变 大模型驱动：让AI具备专家级的理解和分析能力，自动生成洞察报告目标：由大模型自动洞察给效能数据生成

3、效能报告产品产品形态形态DeepResearchChatBIData Agent智能问数下钻分析报告生成PART 02PART 02落地的关键落地的关键点点构建智能体构建智能体的关键的关键点点4模型能力模型能力模型能力是智能体的核心引擎、是发动机3数据质量数据质量数据质量是决策的“基石”2智能体模式智能体模式是系统稳定性、可扩展性和容错能力的关键1上下文工程上下文工程上下文工程是智能体的“导航仪”上下文智能体模式数据质量模型能力智能体设计模式智能体设计模式-R ReActeAct经典的ReAct模式，所有行为都在一个智能体内完成思考（Reasoning）：分析当前状态和目标行动（Acting）

4、：执行具体操作观察（Observation）：获取行动结果循环迭代：基于观察结果继续思考和行动智能体设计模式智能体设计模式-Plan-and-executePlan-and-execute相比 ReAct：全局规划能力强流程条理清晰结果更完备可控Plan-and-execute 先全局规划后执行 Claude Code Claude Code的的Sub AgentSub Agent模式模式主Agent:主循环引擎，负责核心任务调度SubAgent:子任务代理，提供隔离执行环境（上下文隔离）Task Agent:专用任务处理器，支持并发执行权限隔离:每个Agent都有独立的权限范围和资源访问控制

5、 最终最终架构架构探索前置+批量并发+反思重规划=自愈闭环 从提示词到上下文从提示词到上下文工程工程AnthropicEffective Context Engineering for AI Agents 上下文上下文管理的管理的策略策略写写入入如何把业务知识结构化地教给AI不是靠提示词，而是构建知识体系选择选择根据用户问题动态选择相关信息问什么给什么，精准匹配上下文上下文管理管理智能体经常参与持续数百轮的对话，需要谨慎的上下文管理策略.-Anthropic隔离（隔离（IsolateIsolate）避免不同任务的信息互相污染保持上下文的纯净压缩（压缩（CompressCompress）在有限的

6、token内最大化信息价值重要信息优先，冗余信息过滤 上下文上下文管理的管理的策略策略结构化、分层组织最小化编写原则最小可行的Agent工具集谨慎在Prompt中添加示例关键信息靠后写好提示词像人类一样多步思考和探索AI自主导航检索，动态获取信息渐进式披露，减轻上下文压力动态组织上下文从优秀产品中学习到的上下文管理关键策略有损压缩历史，保留核心决策外部记忆持久化，按需加载分而治之，并行处理复杂任务无限上下文架构 上下文上下文管理的管理的策略策略#【角色定义】（简洁，1-2句）你是一个资深的X领域专家，专注于Y任务。#【背景知识】（任务相关的背景知识）.#【样例】（few-shot）#【失败记录