快手发布企业级数据智能体 DataAgent，开启数据智能化新范式

快手生产平台研发中心研发负责人韩江确认出席 2026年10月22日至24日举办 的 QCon 全球软件开发大会·上海站，并将发表主题演讲《DataAgent - 快手大数据生产与分析的智能化探索之路》。DataAgent 是快手面向数据领域、兼顾通用场景的企业级 Agent，已实现主动会话周活跃用户数近万，支撑数据生产、分析、AB 分析等核心业务场景。

核心事实要点：

• 发布时间：2026年 QCon 上海站（10月22日-24日）正式披露建设成果
• 技术定位：企业级数据智能体，具备数据全链路智能化能力
• 主要能力：找数取数、数据开发、归因报告、人群洞察、AB 分析、埋点分析
• 活跃度：主动会话周活跃用户数近万
• 核心架构：Multi-Agent（父子 Agent + Skill）协同框架
• 领导人：韩江，主导快手大数据平台“天工”从0到1建设，拥有10+年大数据平台经验

多层架构与协同机制：应对数据场景的双重挑战

快手 DataAgent 的架构设计面临数据领域特有的高复杂度挑战：一方面需应对 Multi-Agent 协同、上下文管理、执行可靠性 等通用 Agent 问题；另一方面受限于知识规模大、数据奇异多、准确性难保障、安全要求高等数据领域专有问题。

父子 Agent + Skill 模式

通过父子 Agent 设计协调通用能力与领域能力，Skill 组件提供动态功能扩展，保障执行可靠性。空间隔离与研发包能力则满足不同业务线的隔离需求。

智能上下文管理

采用 Skill & Tool 的动态加载、智能上下文卸载与压缩、智能长短记忆等技术，实现“越用越智能”的持续进化能力。该机制在快手真实业务中处理百万级数据资产规模下的复杂查询，有效缓解上下文爆炸问题。

知识工程：构建可持续演化的“知识飞轮”

快手突破传统知识库“文档散落、难以直接消费”的局限，提出 LLM-wiki 新型知识库概念：知识被组织为“人机共建、结构统一、可版本化、可被 LLM 直接消费”的资产。

知识飞轮机制形成闭环：

• 提问 → 召回 → 反馈 → 归因 → 迭代建议 → 知识更新 → 回归验证

这一机制确保知识保持“保鲜 + 保活”，避免智能体知识库随时间退化。与业界常见的静态文档库相比，快手的闭环机制更强调真实问题驱动的知识进化路径。

效果验证与落地应用：从技术到业务价值的闭环

DataAgent 已在快手内部实现端到端数据生产与智能化数据分析的实际落地。在“冷启动”阶段，采用种子数据集 + 精度标尺 + 自生长土壤的组合策略，保障高质量知识准入。

关键落地数据点：

• 支撑场景：数据生产、数据分析、AB 分析等核心流程
• 用户规模：周活跃用户数近万（主动会话）
• 知识规模：应对百万级数据资产规模的召回与消歧挑战

对开发者与企业的实践建议

适合以下团队重点关注：

• 数据平台团队：正在构建或优化数据智能体系统，可参考 Multi-Agent 协同架构与知识飞轮闭环机制
• AI Infra 工程师：聚焦上下文管理、执行可靠性等通用问题解决方案
• 业务方决策者：计划推动“数据驱动”向“智能驱动”转型，可关注实际落地效果（如近万周活用户验证的可行性）

若当前仅处于 Agent 探索初期，建议先从单场景试点起步，同时规划知识闭环机制——快手经验表明，脱离真实问题反馈的知识积累难以长期维持准确性。

写在最后

快手 DataAgent 的实践揭示了一个关键趋势：AI for Data 不是简单将大模型嵌入现有流程，而是通过重构工作模式实现范式跃迁。当智能体从“辅助工具”升级为“流程协同者”，数据价值释放的重心正从“找数据”转向“懂问题”。