美团数据平台每天处理海量数据。AIDE 让 Agent 从代码辅助进入生产链路，贯通需求理解、开发测试、审批上线，实现可执行、可验证、可追溯的任务交付。本次分享聚焦三类取舍：固定流程与自主规划、高风险操作的安全护栏、知识库覆盖与质量平衡，并介绍如何把人工纠错、测试失败和线上处置沉淀为领域知识，持续提升 Agent 在真实业务中的判断与交付能力。

演讲提纲

1. 背景：美团数据开发发展历程
   • 从平台化开发、SQL 智能辅助到 Agent 驱动的数据研发探索
   • 从开发到上线：上下文缺失、规范依赖人工与工具链割裂带来的挑战
   • AIDE 的建设思考：如何将数据平台积累的资产、规范和经验转化为交付能力
2. 技术路线选择：哪些步骤固定执行，哪些交给 Agent 判断？
   • 固定流程与自主规划：标准开发任务和探索型任务的执行策略
   • 自建执行引擎的取舍：工具语义、执行状态与上下文管理
   • 单 Agent 主控与按需专家委派：任务连续性、执行隔离与协作成本的平衡
3. 实践：数据研发交付，让 Agent 在生产约束下完成任务
   • 跨系统工具编排：打通从需求理解、开发测试到审批上线的交付链路
   • 规范前置、人机协同与风险控制的工程实践
   • 交付验证：工具执行、数据结果与流程完整性的联合校验
4. 知识沉淀，如何让开发经验成为可复用的领域判断
   • 开发即沉淀：从日常任务、人工纠错与专家判断中提炼知识
   • 分层与晋升：个人经验走向领域共识、平台规则的验证与审核机制
   • 知识飞轮：按域召回、执行反馈与知识更新淘汰的闭环设计
5. 效果与反思：如何从一次成功走向持续可靠？
   • 分层评测：从基础能力、真实业务场景到线上运行的质量验证
   • 落地效果：数据研发效率、用户使用情况与实际交付中的收益和局限
   • 实践取舍：工具可靠性、知识质量与持续维护成本的平衡

实践痛点

• 高风险操作的拦截设计：在生产场景中，安全护栏与自动化体验之间没有完美方案，核心是在哪些节点必须停、哪些可以放之间做工程取舍。
• 知识库的覆盖与质量取舍：做大覆盖长尾场景还是做准保证答案可靠，召回门控如何在两者之间找到平衡点。

前沿亮点

• 在生产场景中释放 Agent 效率：以自然语言驱动开发、测试与上线，同时将风险识别、关键节点确认和可追溯执行嵌入链路。
• 让 Agent 基于平台事实而非对话猜测工作：实时连接任务、表、血缘、权限和运行状态，在自主交付与生产可控之间取得平衡。
• 让每一次交付反哺下一次判断：将需求澄清、人工纠错、测试失败和线上处置沉淀为领域规则，持续提升 Agent 在真实业务中的判断能力。

听众收益

• 理解数据研发 Agent 从代码生成走向任务交付的关键难点，获得执行流程设计与人机分工的实践参考。
• 了解如何将开发会话、人工纠错和个人经验沉淀为领域知识，以及知识审核、复用与持续更新的方法。
• 了解 Agent 执行判断机制及生产化后的取舍反思