DataWorks Data Agent 是你在 DataWorks 里的 AI 数据伙伴——它能读懂你的库表与血缘、写和调 SQL、建表与配置数据同步、排查节点产出、补数据、做质量校验。本指南面向已经上手、想把它用得更顺的数据工程同学。它不重复罗列功能而是告诉你怎么提问、怎么协作才能又快又准地拿到结果。读完你会建立一套稳定的使用习惯遇到指南没覆盖的新场景也能自己判断。文中约定首次之后将 DataWorks Data Agent 简称Data Agent用「库.表」指代形如project.table_name的 MaxCompute 表名。DataWorks Data Agent 体验地址https://dataworks.data.aliyun.com/product/agent三个核心原则后面所有场景都建立在这三条之上。记住它们你已经赢了一半。1. 一个会话一个任务让每段对话聚焦在一件可以收尾的事情上。任务完成了或者你想换个方向就新开一个会话重新描述而不是在原对话里不断追加新需求。为什么Data Agent 在一次会话里会持续追踪你的目标、已查过的表、已下的结论。当一个会话里堆进越来越多互不相关的需求时这些上下文会互相干扰回答质量随之下降。短而聚焦的会话能让它始终在「最清醒」的状态下工作。2. 给精确的锚点凡是涉及具体对象直接给可定位的标识库.表名、字段名、分区、调度节点 ID、工作空间名。避免「那张表」「那个节点」这类模糊指代。为什么Data Agent 的第一步通常是去查代码、查血缘、跑样例。精确标识让它立刻动手模糊指代只会逼它反问或猜测多花一轮还可能猜错。3. 先备好前提开始干活前先确认要操作的库.表你有权限并告诉 Data Agent 当前工作空间。需要切换项目空间时主动说明。为什么权限和空间是最常见的「中途断点」。在任务进行到一半才发现没权限会打断 Data Agent 已经展开的思路往往要重来。开局扫清前提全程更顺。通用提问模板把一次请求拆成四部分Data Agent 几乎总能一次接住。不必拘泥格式关键是这四类信息都到位【目标】我想得到什么结果 【对象】涉及哪些库.表 / 节点 / 分区给全名 【约束】时间范围、过滤条件、数据口径 【产出】要 SQL / 要一张表 / 要一份文档 / 要建好的任务示例【目标】统计每个工单的平均处理时长【对象】demo_dw.dwd_work_order_event_di用create_time和finish_time两个字段【约束】时间限制在过去三年状态码含义30处理完成其余视为未完成【产出】给我可直接运行的 ODPS SQL对比一句「帮我算下工单处理时长」——后者会让 Data Agent 连用哪张表都得反问前者一轮就能给出可用的 SQL。上文及下文示例中的表名、字段、节点 ID 均为便于说明而虚构请替换为你自己的真实对象。场景一写和调 ODPS SQL最高频的场景。无论是从零写还是排查一段跑不对的 SQL目标都是快速定位到正确逻辑。✅ 推荐做法一次给齐要算什么 用哪张库.表的哪些字段 过滤/时间约束。复杂查询分步搭先让它把核心一段跑通确认结果对再往上叠逻辑。一边写一边验证比一次性写一大段再排错快得多。报错时贴完整错误原文包含错误码与行列号。可套用模板帮我写一段 ODPS SQL 从 库.表 取 字段A、字段B 按 维度 聚合统计 指标 分区取 最新分区 / 指定 ds过滤条件 …。 先跑通核心逻辑给我看确认后再加 下一步需求。完整对话示例推荐你看下节点300000001的代码。我在demo_ads.order_item_detail_di能查到数据但产出结果里没有coupon_codes不为空且用,分隔。你看完 Data Agent 的分析后但用 left join 的话只会关联不到数据不会让订单整行丢失吧左表还在。你那给我一个查order_item_detail_di的 SQL把coupon_codes拆成多行分区取最新。每一轮都带着具体表名/字段且是对上一轮结果的精确纠偏——这正是高效 SQL 调试的样子。❌ 尽量避免开局只问「这个 SQL 怎么写」不给表结构和样例。把一大段 SQL 加一大段 JSON 报文直接贴上、不说要干嘛。在同一会话里从「时间函数怎么写」一路漂移到建报表、改字段含义、算修复率——主题一换就该换会话。 为什么SQL 调试的本质是定位差异Data Agent 要么读代码、要么看血缘、要么跑样例对比这三件事都需要精确的库.表/字段/分区作为入口。你给的锚点越准它越早能动手。分步验证则让错误每次只出现在一小段里远比一次性写完再大海捞针高效。场景二排查「数据为什么不对 / 节点为什么没产出」血缘溯源与产出排查。目标是顺着数据链路找到出问题的那一环。✅ 推荐做法先锁定具体节点给调度节点 ID 或库.表名 工作空间。把「现象」和「预期」分开讲清哪个字段、在哪个分区、实际是什么、你认为应该是什么。需要跨空间排查时主动说明目标空间名或请它给出切换空间的入口。可套用模板在 工作空间 里节点 节点ID 产出的 库.表 字段X 在 分区ds 实际是 现象 但我预期是 预期。 帮我顺着血缘往上排查原因。❌ 尽量避免「这个字段为什么是空的」——不说哪张表、哪个分区、哪个节点。让它「自己往上钻、自己溯源」却不给起点表。排查到一半才发现没权限、或表是 view 查得慢——这些应在开局交代。 为什么排查是顺着数据血缘逐级回溯的过程必须有一个确定的起点节点或表。给了起点Data Agent 能调血缘、查上游、对样例缺了起点它只能反问。把「现象 vs 预期」一次说清等于直接递给它一个可验证的假设它能立即动手而不是先猜你想要什么。场景三建表与数据同步数据集成DI类任务比如把 MySQL/DMS 表同步到 MaxCompute。✅ 推荐做法一次说清四要素源数据源 / DMS 表、目标MaxCompute 库.表、同步类型全量 / 增量、一次性 / 周期调度、调度时间。拿不准类型就先让 Data Agent 帮你判断「我这种场景该选什么任务类型」定型之后再给表结构。可套用模板创建一个 源类型 同步到 目标类型 的 单表/整库离线/实时 任务 源表 数据源.表目标 库.表 同步方式 全量 / 增量按 gmt_modified 调度 一次性 / 每天X点 / 每周一X点。完整对话示例推荐你创建一个 MySQL 同步到 MaxCompute 的单表离线任务DMS 源表在demo_trade.item_sku_relation。你Data Agent 确认好任务类型后继续创建同步任务。你贴上建表 DDLid BIGINT NOT NULL COMMENT 主键IDshop_id BIGINT COMMENT 门店ID…源表、目标、同步类型一次说清三轮干净收尾。❌ 尽量避免不说是增量还是全量、是否周期调度——建完才发现类型不对要返工。建表 DDL、字段、分库分表键挤牙膏式一点点给。 为什么同步任务的「类型」决定了底层完全不同的配置增量靠gmt_modified抽取、全量整表覆盖、周期任务还要配调度。类型一旦选错后面所有配置都白做。所以先把类型敲定再在正确的骨架上填表结构。场景四批量梳理与产出文档 / 报表「把某目录下所有脚本梳理成分析文档」「做一个数据看板」这类大活儿。它们价值高但也最考验协作方式。✅ 推荐做法化整为零先让它梳理一个子目录、产出一份小文档验收通过再做下一个。不要一句话就让它「整体梳理上百个节点」。明确产出形态要不要有向无环图、要不要目录导航、风险点放在哪——一次列清。报表 / HTML 产出后用 Data Agent 给的新文件路径打开。可套用模板我要梳理 空间/目录 下的脚本分批做。 这一批先处理 子目录A 1) 把每个脚本的作用整理成 Markdown 2) 画出节点依赖的有向无环图 3) 风险点与改进建议单列一节放最后。 做完这批我验收再继续下一批。❌ 尽量避免一句话让它「整体梳理」一个上百节点的大目录期待一次成型。报告看着「没更新」就反复要求换链接——多数情况是浏览器缓存了旧文件强刷新或换文件名即可。 为什么大型梳理任务里节点越多Data Agent 越要同时兼顾全局结构和每处细节。分批 让每一批都在它能完整掌控的范围内完成质量更稳、也更容易验收。而「报告没更新」几乎总是缓存问题认准这一点就不必在它身上绕圈。场景五让 Data Agent 执行运维动作Data Agent 不只是会聊——它能真正帮你建节点、跑补数据、做质量校验、提交发布。用好它的执行能力能省下大量手工操作。✅ 推荐做法把动作和对象说全补哪张表、哪些分区、用什么调度配置。涉及发布、补数据这类有副作用的操作让它先出方案、你确认后再执行。不确定它的能力边界时开场可以直接问「你能帮我做哪些事 / 我当前有哪些任务」快速对齐——这是高效的起手式。可套用模板帮我给 库.表 的 分区范围如 ds20260501~20260507 创建补数据任务 调度配置参考 现有节点/说明。 先把执行方案给我看我确认后再跑。❌ 尽量避免只回「确认」「继续」却没说清确认的是哪个方案——在多轮会话里容易让它执行你没料到的动作。把随手试探hi、test、「你能干啥」当正式任务下达——正式干活请直接给出完整需求。 为什么执行型动作有真实副作用补数据会占用资源、发布会真的上线。「先方案、后执行」给你一个可否决的检查点。当你确认时把确认的对象说全「确认执行刚才那份补数据方案」比单独一个「确认」更安全也避免多轮对话里的指代歧义。进阶技巧逐步纠偏胜过推倒重来。结果有偏差时指出具体哪里不对「left join 应该用 inner」「分区应取前一天」而不是笼统说「不对重写」。精确反馈让 Data Agent 在已有进展上修正省去重复劳动。任务卡住时补信息或重开别催问。如果感觉进展停滞与其反复问「好了吗 / 怎么还没动」不如补充它可能缺的信息一个权限、一张表、一个口径或新开会话用更清晰的描述重述。善用计划确认。对复杂或高风险任务让它先给出步骤计划你确认后再执行——既看得到它的思路也留了一道闸。跨空间要明示。一旦涉及多个项目空间每次都说清当前在哪个空间操作避免它在错误的空间里查询。常见问题排查现象多半是怎么办任务中途报「无权限」没提前开通库.表权限先申请权限再让它继续下次开局就备好它反复反问、进展慢缺少可定位的锚点补上库.表名 / 节点 ID / 分区 / 工作空间同步任务建出来不对同步类型选错重新确认全量/增量、一次性/周期再建多轮后答非所问一个会话塞了太多任务新开会话单独描述当前这件事SQL 一直跑不对报错信息没给全贴完整ODPS-xxxx错误码与行列号一分钟速查清单开始任何任务前对照这张卡片这个会话只聚焦一件能收尾的事涉及的库.表 / 节点 / 分区都给了全名要操作的对象权限和工作空间都备好了报错的话贴了完整原文复杂任务是否分了步 / 分了批而不是一口吃成有副作用的动作是否让它先出方案再执行把这六条变成习惯你和 DataWorks Data Agent 的每次协作都会又稳又快。立即体验 DataWorks Data Agent开启您的智能数据之旅DataWorks Data Agent 详情页https://www.aliyun.com/product/dataworks/dataagentDataWorks Data Agent 官方文档 https://help.aliyun.com/zh/dataworks/user-guide/new-data-agentDataWorks Data Agent 产品入口 https://dataworks.data.aliyun.com/product/agent