在过去的二十年间，我们的数据栈围绕着 3V ( Volume、 Velocity 和 Variety ) 的目标一直在进化，但是我们的数据栈构建仍然是围绕着引擎，而这没法使我们的数据栈智能化以顺应生成式 AI 时代的潮流。相反的，如果我们的数据栈围绕元数据进行重构，那么我们会从元数据中获得更多的可解释性信息，从而使我们的数据栈变得更智能化。

在本次演讲中，我将为大家介绍元数据驱动的数据架构，以 Apache Gravitino 为例，分享如何构建以元数据驱动的数据架构，并且使整个数据栈智能化，Agent 化。同时也会为大家演示如何以元数据为中心构建各种不同的数据 Agent，并通过 Agent 之间的协同解决数据领域中常见的问题。最后，在未来展望部分，探讨如何将元数据驱动的数据栈和大语言模型结合，让数据栈真正实现自动化和智能化。

演讲提纲

1. 背景

• Data Stack 的发展历程：Data Warehouse → Hadoop Data Stack → Data Lakehouse
• 现有 Data Stack 架构的演进

2. 现有架构的挑战和问题，尤其是面对 AGI 时代存在的问题

• 追求性能的速度越来越慢，收益越来越小
• 从性能向智能演进符合客观规律
• 能够更好的与 LLM 集成

3. 如何才能解决这样的问题

• 元数据 - 数据平台的大脑

4. 如何构建元数据驱动的数据架构

• 统一元数据架构介绍
• 如何重构现有的数据架构，迈向元数据驱动的数据架构

5. 使用元数据中心的数据架构搭建数据 Agent（demo）  

6. 总结展望

您认为，这样的技术在实践过程中有哪些痛点？

• 现有系统的元数据质量普遍较低，需要大量人力进行清洗和治理
• 跨组织的元数据标准不统一，导致集成困难
• 团队对元数据价值认识不足，缺乏持续投入的动力

这些挑战直接影响了智能化转型的速度和效果。

演讲亮点

• 以元数据为中心的架构重构：展示如何通过 Apache Gravitino 实现数据栈的智能化，是国内首次深入探讨此主题的技术分享
• 数据 Agent 实战：通过实际案例展示元数据驱动的数据 Agent 如何协同工作，解决传统数据架构难以应对的复杂场景
• 面向未来的数据架构：揭示元数据与大语言模型结合的创新路径，帮助听众把握数据领域的下一代技术趋势

听众收益

• 了解统一元数据，以及围绕统一元数据如何构建新型的数据架构，并依托此架构结合大模型快速搭建不同业务形态的数据 Agent