腾讯云正式发布大数据智能体工作台 DataBuddy。用户通过自然语言对话，即可完成数据接入、开发、治理、分析全链路任务，不用再在多个页面之间切换操作——一句话说清目标，Agent 自己跑完全流程。
过去几年，大数据平台不断演进：从数据湖仓，到统一治理，再到 Data+AI 融合。但很多 AI 产品，本质上仍停留在「人在操作工具」的阶段——AI 帮你补 SQL、生成图表，真正的数据任务，仍然需要人一步步驱动。
DataBuddy 想做的是下一阶段：从工具辅助走向 Agent 交付。用户提出目标，Agent 自主拆解任务、调用能力、规划流程，最终直接交付结果。
DataBuddy 基于腾讯 WorkBuddy 同源 Agent 底层能力打造，是 Buddy 家族的第三位成员。继承了 WorkBuddy 的 Harness，再通过 Skill 引入腾讯云大数据服务内外部十几年大规模经验。
CodeBuddy 面向开发者，WorkBuddy 面向职场人士，DataBuddy 则覆盖企业数据基础设施建设领域——数据分析师、数据治理人员、数仓工程师，三类角色今后都可以用对话完成工作。
三大场景：数据分析、治理、工程，一句话触发
DataBuddy 首期针对三大数据场景重点调优落地效果和体验。
场景一：数据分析
面向不会写 SQL 的业务人员和分析师，DataBuddy 支持智能问数、指标归因分析、报告生成和可视化看板搭建（继承了自然语言转 SQL 的冠军能力）。
分析结果基于统一语义层产出，不同人问同一个问题得到一致答案。这套语义层不是静态配置——DataBuddy 构建了一套六层知识体系，从底层表结构、统一指标口径，到企业业务术语、个人使用记忆，层层递进。
用户对话中的业务洞察会被自动提取、去重、沉淀为持久知识资产，Agent 越用越懂你的业务，实现「用数驱动治数」的正向飞轮。
场景二：数据治理
数据治理方向，DataBuddy 将数据治理从人工巡检、事后补救升级为「自动巡检 → AI 诊断 → 智能修复」。
依托数据治理 Skill，覆盖数据编目、语义建模、数据质量、数据安全、血缘分析五大域，自动发现元数据缺失、语义冲突、质量异常、合规风险、资源浪费等问题，并沿血缘追溯根因，生成修复方案并分级执行。
低风险操作秒级自动完成，高危操作需人工确认后执行。从单表诊断到全局数仓巡检，数十人天的治理工作缩短为小时级交付。
场景三：数据工程
数据工程方向，DataBuddy 将数仓建设从「多模块手工串联」升级为「对话式全链路交付」。覆盖数仓建设到运维的全生命周期——数据接入、分层建模、ETL 代码开发、工作流编排调度、故障诊断，原本分散在五六个模块的操作，现在一轮对话完成。
举个例子：你说「把 MySQL 数据源内的销售库接入到 WeData，帮我做数仓方案设计，业务要看 GMV、复购率和品类分布，每天数据早上 8 点增量同步」。
DataBuddy 会基于源表分析生成数仓分层设计与目标表结构，并根据确认后的方案自动生成 ETL 代码和工作流配置，将原本 1-2 周的建仓工作压缩到小时级交付。
企业级：不只是能做事，更要安全、稳定、可控
Agent 进入核心数据场景，真正的准入门槛是能安全地做事。DataBuddy 在安全体系做了完整的纵深设计：
- 身份权限：数据访问遵循最小权限原则，Agent 的每一步操作都在权限边界内执行，不会因为自动化而绕过企业已有的数据安全策略。
- Agent Guardrail：针对性拦截提示注入攻击、越狱等新型风险。
- 全链路审计：提供全链路审计日志及智能安全诊断能力。对于金融、政企等高敏感行业，不需要为了用 AI 而降低合规标准。
在稳定性方面，DataBuddy 搭载于腾讯云企业级 Data+AI 一体化数据智能平台。数据集成、任务调度、数据质量监控、元数据管理等底层能力被封装为可由 Agent 调用的 Skill 体系——不用 AI 另起炉灶重建一套，直接使用腾讯云大数据服务内外部十几年的经验。
计算层面，DataBuddy 原生连接 DLC 数据湖计算引擎，数据任务的执行效率和准确性有底层算力保障。
对于已经在使用腾讯云大数据产品的企业客户来说，DataBuddy 即插即用，现有的数据资产、权限体系、调度规则都可以直接继承，不需要重新配置。
苏米观点
DataBuddy 的核心价值在于「对话即交付」——不是让 AI 帮你写 SQL，而是让 AI 直接完成数据任务。从数据分析到治理到工程，三个场景覆盖了数据从业者的核心工作流。
对于企业来说，最大的吸引力是即插即用：如果已经在用腾讯云大数据产品，现有的数据资产和权限体系可以直接继承，不需要额外的迁移成本。加上企业级的安全和审计能力，DataBuddy 在合规要求高的场景下也有竞争力。