MOC-DATA+AI Agent 地图

Scope

这张地图用于规划 DATA+AI Agent 能力：让知识库既服务个人学习，也能成为数据 Agent 的上下文、规则库和交付物生成底座。

Core Concepts

• Data Agent Architecture
• Agent
• RAG
• LLMOPS
• MCP
• Semantic Layer
• Indicator System
• Metadata Management
• Data Quality

Agent Architecture

flowchart TB
  U["User / Analyst / Engineer"] --> A["Data Agent"]
  A --> P["Planning / Tool Routing"]
  P --> C["Context: Wiki / Catalog / Metrics"]
  P --> T["Tools: SQL / BI / Scheduler / Docs"]
  C --> G["Governance: Quality / Security / Audit"]
  T --> G
  G --> O["Answer / Query / Report / Playbook"]

Capability Areas

• Knowledge Compile Agent：把资料、项目经验、AI 对话编译为 Markdown Wiki。
• Link Review Agent：识别孤岛笔记、重复概念和缺失双链。
• Text2SQL Agent：依赖 Semantic Layer、Indicator System、权限和审计。
• Data Quality Agent：生成质量规则、异常解释和修复建议。
• Data Catalog Agent：补全表、字段、血缘和业务术语。
• DataOps Agent：定位任务失败、SLA 风险和依赖链路。
• BI Insight Agent：解释指标波动并生成分析报告。

Practices

• 先治理语义和元数据，再让 Agent 写 SQL。
• 让 Agent 输出可审计的证据链：使用了哪些指标、表、规则和权限。
• 将高风险动作限定为建议或草稿，人工确认后再执行。
• 把 Agent 产物回流到 Bigdata Wiki OS，形成持续学习闭环。

Questions

• Text2SQL 为什么不能只依赖数据库 schema？
• 数据 Agent 的权限、审计和质量边界如何设计？
• 如何把 Obsidian/Quartz 知识库变成 Agent 上下文？
• 数据架构师在 AI Agent 时代的核心能力是什么？

Outputs

• Data Agent 总体架构图
• Text2SQL 上线检查清单
• Agent Prompt 和工具边界说明
• DATA+AI 演讲和面试题库

Links

• part-of:: Bigdata Wiki OS
• depends-on:: Semantic Layer
• depends-on:: Metadata Management
• governed-by:: Data Quality