模型接入之后,真正发生变化的是下一步分析动作由谁提出,而不是把查询校验和执行也交给模型。下面的循环图把它与 Query Tool 的执行职责拆开了。
![图片[1]-小节五:把 LLM 接进分析循环——模型负责提出“下一步最值得查的问题”,Query Tool 负责安全执行-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-1816.png)
模型结合最新 Observation 和当前状态产生 QueryRequest;是否允许执行、查询结果是否可信以及何时结束,仍需要后端策略和完成条件共同约束。
真正 Data Agent 的核心循环:
Goal
+
Analysis State
+
Recent Query Results
↓
LLM
↓
Next Analysis Action
模型可以返回:
{
"action": "query",
"reason": "整体请求基本稳定,但 eCPM 明显下降,应优先下钻媒体维度",
"request": {
"metrics": [
"income",
"impression",
"ecpm"
],
"dimensions": [
"media"
]
}
}
Harness 做:
Schema Validation
↓
Query Policy
↓
Execute
↓
Observation
↓
Trace
↓
Update AnalysisMemory
然后再次调用模型。
模型不直接写任意 SQL
这是一个很重要的工程选择。
我们可以让模型输出:
Query Plan
而不是直接自由 SQL。
例如:
{
"date_start": "2026-09-05",
"date_end": "2026-09-06",
"metrics": [
"request",
"impression",
"income",
"ecpm"
],
"dimensions": [
"media"
],
"filters": {}
}
再由后端生成 SQL。
这样更:
安全
稳定
可审计
可限制
为什么 Analysis Skill 很重要?
Data Agent 应加载:
data-analysis
Skill 可以明确:
先确认整体
再拆指标
只对异常方向下钻
先媒体再广告位
证据足够时停止
不要为了“全面”无边界查询
这会显著减少:
乱查。
System Reminder
长分析中可以提醒:
当前 Goal:
解释收入下降原因
已确认:
request 稳定
eCPM 明显下降
媒体 A 最异常
还需要:
定位 Media A 的主要广告位
验证请求/曝光是否正常
请判断是否还需要更多查询。
这样 Agent 不容易跑偏。
Completion Gate
最终回答前检查:
是否确认整体异常?
是否定位主要异常指标?
是否定位主要异常维度?
最终结论是否有 Query Result?
是否还有关键未回答问题?
只有满足,才:
COMPLETED。
© 版权声明
文章版权归作者所有,未经允许请勿转载。
THE END
















请登录后查看评论内容