Data Agent 设置中心是配置与优化智能助手功能的核心模块。目前该中心集成了 MCP 服务器、规则、通用、及使用报告等核心功能。通过接入外部工具服务与灵活定制 AI 规则,Data Agent 旨在全面提升开发效率并保障代码质量,为用户提供高度定制化的智能化开发体验。
功能入口
Data Agent 设置中心支持配置规则、MCP 服务器、使用报告、通用设置。您可通过以下操作进入设置中心:
单击DataWorks界面右上角的Data Agent图标,打开Data Agent面板。
单击Data Agent面板的
设置按钮,进入设置中心。
通用
在Data Agent设置中心。单击通用进入通用页签。在该页面,您可以进行以下个人配置:
Agent 生成代码文件的默认保存位置:用于指定 Agent 所生成代码的存储路径。默认选项为项目目录,您可以根据需要将其切换为个人目录。
席位管理
该功能仅支持 Data Agent 团队版使用。更多关于Data Agent 版本的信息,可参见:Data Agent 费用。
查看席位概览
在 Data Agent 设置中心,单击席位管理进入席位管理页签。页面上方展示当前版本的席位概览信息:
指标 | 说明 |
Token 额度 | 团队版每个席位赠送的 Token 额度 |
席位数量 | 当前已购买的席位总数。您可以单击页面右上角的升级调整席位数量 |
已分配席位 | 已分配给用户的席位数量 |
剩余可分配席位 | 尚未分配的空闲席位数量,即席位数量与已分配席位的差值 |
分配席位
当存在剩余可分配席位时,租户管理员可以将席位分配给指定的阿里云账号。操作步骤如下:
在席位管理页签的席位列表区域,单击席位分配。
在弹出的对话框中,选择需要分配席位的阿里云账号。
单击确认,完成席位分配。分配成功后,该用户将出现在席位列表中,并可开始使用 Data Agent 功能。
取消分配席位
如需回收已分配的席位,租户管理员可以取消席位分配。取消后,对应用户将失去 Data Agent 的使用权限,被回收的席位可重新分配给其他用户。
取消单个席位:在席位列表中,找到目标席位,单击操作列的取消分配。
批量取消席位:在席位列表中,勾选多个需要取消分配的席位,然后单击列表下方的批量取消按钮。
席位列表说明
席位列表展示所有席位的详细信息,包含以下字段:
字段 | 说明 |
席位号 | 席位的唯一标识编号,由系统自动生成 |
拥有者 | 当前席位所分配的用户账号 |
已使用量 | 该席位已消耗的 Token 数量,管理员可据此监控各席位的资源使用情况 |
分配时间 | 席位分配给当前用户的时间 |
操作 | 对已分配的席位,可单击取消分配回收该席位 |
用量
用量是 Data Agent 面向管理员和开发者的数据洞察工具,用于量化评估 AI 功能的使用情况、追踪使用趋势并管控 Token 资源消耗。在 Data Agent 设置中心,单击用量进入用量页签。
目前用量支持地域:西南1(成都)、华南1(深圳)、华北2(北京)、华东2(上海)、华东1(杭州)。其他地域将陆续开放支持。
查看核心指标
使用报告支持从不同维度查看 Data Agent 的核心使用数据。您可以通过页面顶部的筛选条件自定义分析范围:
统计范围:切换不同视角查看使用数据。
视角
说明
租户视角
查看当前租户下所有工作空间的汇总数据
工作空间视角
查看您有权限访问的工作空间的使用数据
个人视角
查看个人的使用数据。如果您是租户管理员,还可以查看租户内其他成员的使用情况;非管理员用户仅能查看自己的使用数据
统计周期:自定义起止日期范围,查看指定时间段内的使用数据。
功能点:按功能模块筛选数据(支持多选),查看 Agent、代码编程助手、快捷 AI 操作、ChatBI 智能分析等不同功能的使用情况。
选择统计范围、统计周期和功能点后,页面将展示以下三项核心指标,每项指标均附带与上一周期的环比变化趋势:
请求次数:当前统计周期内,符合统计条件的使用 Data Agent 的总请求次数。
使用人数:当前统计周期内,符合统计条件的使用 Data Agent 的去重用户数。
消耗 Tokens:当前统计周期内,符合统计条件的 Data Agent 请求消耗的 Tokens 总量(含输入与输出)。
在核心指标下方,指标详情以折线图展示所选周期内核心指标的变化趋势,您可以开启按功能点分组对比各功能模块的使用占比。活跃指数以全年日历热力图的形式展示使用活跃度,颜色越深代表当日使用越频繁,帮助您直观发现使用高峰和低谷时期。
查看 Token 消耗明细
Token 消耗明细以请求级别的粒度记录每次 AI 调用的资源消耗,帮助您进行成本分析、异常排查和用量审计。明细表包含以下字段:
字段 | 说明 |
时间 | 请求发生的时间 |
用户 | 发起请求的用户标识 |
请求 ID | 每次请求的唯一标识,当发现 Token 消耗异常时,可通过请求 ID 定位具体调用进行排查 |
功能点 | 该请求所使用的功能模块,如代码编程助手、Agent 等 |
意图名称 | 该请求被识别的具体意图类型,如单行智能补全、数据开发Agent等 |
输入 Tokens | 该请求发送给模型的输入 Token 数量 |
输出 Tokens | 模型返回的输出 Token 数量 |
总 Tokens | 该请求消耗的输入与输出 Token 的总和 |
技能
技能(Skill)是 Data Agent 中用于扩展 AI 能力的自定义指令模块。通过创建技能,您可以将特定的业务流程、数据处理逻辑或分析方法封装为可复用的 Skill,使 Data Agent 在对话中能够按照预设的工作流执行专业化任务,例如 Excel 数据透视分析、SQL 质量审查等。
创建技能
在 Data Agent 设置中心,单击技能进入技能管理页签。单击创建 Skill按钮,在弹出的对话框中配置以下信息:
配置项 | 说明 |
名称 | Skill 的唯一标识名称,建议使用英文和连字符命名(例如 |
描述 | Skill 的功能描述,用于帮助用户快速了解该技能的用途和适用场景。 |
Skill 正文 | 技能的核心内容,使用 Markdown 格式编写。您可以在正文中定义适用场景、工作流步骤、输出格式等,Data Agent 将按照正文中的指令执行任务。 |
上传文件 | 支持上传 |
归属范围 | 选择技能的可见范围:
|
在对话中使用技能
创建好的技能可在与 Data Agent 的对话中使用。在对话输入框下方,单击
按钮,在弹出的上下文菜单中选择技能,然后点选您希望本次对话应用的具体 Skill。Data Agent 将按照该技能中定义的工作流和指令执行相应任务。
MCP 服务器
MCP (Model Context Protocol) Server 是 Data Agent 智能体执行任务时依赖的后端工具服务集合,为查询、分析和代码生成等操作提供工具与数据源与API。在设置中心可以查看DataWorks官方内置的 Alibaba Cloud-DataWorks-MCP-Server及相关工具。
访问MCP Servers管理界面
在Data Agent设置中心。单击 MCP服务器进入MCP Servers页签。
使用MCP Server
MCP Server相关工具可以在Data Agent 智能体中使用,详情参见:Agent 智能体。
规则
规则(Rules)是为 DataWorks Data Agent 注入持久化上下文、规范与偏好的核心机制,从而确保其生成的代码与回答能精准遵循特定要求。
规则的类型与权限
DataWorks 提供企业级和个人级两种类型的规则:
类型 | 定义与用途 | 权限控制 | 生效范围 |
个人规则 | 由开发者个人创建和维护,用于封装个人的编码习惯、常用代码片段、个人项目说明等。 | 仅对当前用户可见并生效,其他用户无法查看或使用。 | 个人范围,在用户所有可访问的工作空间中均可调用。 |
企业级规则 | 由管理员统一制定,用于沉淀和推行公共的开发规范,如数仓分层命名法、代码风格标准、核心表使用说明等。 | 工作空间管理员及更高级别用户可创建、编辑和管理。 | 支持全局生效或指定到特定工作空间。 |
企业级规则仅支持 Data Agent 团队版使用。更多关于Data Agent 版本的信息,可参见:Data Agent 费用。
创建与管理规则
在Data Agent设置中心,切换到规则页签。在规则管理界面,您可以:
通过页签切换,分别管理个人规则以及企业级规则。
查看已有规则的名称、生效机制、生效范围等信息。
查看、编辑或删除已有规则。
单击新增规则按钮创建新规则。
创建/编辑规则时,需要配置以下核心属性:
属性 | 功能说明 |
规则名称 | 为规则设定一个易于识别的名称和详细的功能描述。 |
规则内容 | 规则的核心,即您希望提供给AI的具体上下文prompt信息。可以填写要求Data Agent自动生成代码时需要执行的规范和标准等内容。支持手动输入与文档上传两种方式。
|
生效机制 | 定义规则被自动引入对话的策略,对齐Cursor的设计理念:
|
生效范围 | 企业级规则支持设置生效范围,控制此规则在哪些地方可见和可用。
|
以下是规则内容举例:
规则名称:表名及节点命名规范。
规则内容:如下。
# DataWorks数仓(ODS/DWD/DWS/ADS)表与节点命名规范 作为一名资深的数据仓库架构师,你在DataWorks中创建任何表或节点时,都必须严格遵循以下命名规范。这些规范是确保数据资产清晰、可维护和一致性的核心要求。 ### 1 表命名规范(Table Naming Convention) 所有表名必须遵循统一的结构化范式。 #### 1.1 核心命名公式 分层前缀_[自定义描述]_[更新策略后缀] #### 1.2 分层前缀 (Layer Prefix) - [硬性要求] - DIM (维度层): 必须以 `dim_` 开头。 - DWD (明细层): 必须以 `dwd_` 开头。 - DWS (汇总层): 必须以 `dws_` 开头。 - ADS (应用层): 必须以 `ads_` 开头。 #### 1.3 更新策略后缀 (Update Strategy Suffix) - [硬性要求] - DIM (维度层): 使用 _df 后缀,代表每日全量快照 (Daily Full Snapshot)。 - DWD (明细层): 使用 _di 后缀,代表每日增量数据 (Daily Incremental)。使用 _df 后缀,代表每日全量快照 (Daily Full Snapshot)。 - DWS / ADS (汇总/应用层): 使用 _1d, _7d, _nd 等后缀,代表其数据聚合的周期(例如:近1天、近7天、近N天)。 #### 1.4 分隔符 表名中的所有单词必须使用小写字母,并由单个下划线 `_` 分隔。 #### 1.5 命名示例 - DIM表示例: `dim_user_info_df` (用户信息维度表,每日全量) - DWD表示例 (增量): `dwd_trade_order_detail_di` (交易订单明细,每日增量) - DWD表示例 (全量): `dwd_product_base_info_df` (商品基础信息,每日全量) - DWS表示例: `dws_user_active_uv_7d` (用户近7日活跃UV汇总) - ADS表示例: `ads_screen_kpi_overview_1d` (大屏核心KPI概览,每日) ### 2.节点命名规范 (Node Naming Convention) 节点名称应清晰地反映其产出的核心表和处理逻辑。 - 命名原则: 节点名应与其产出的主要表的名称保持高度一致,以 `[分层]_[业务逻辑]` 的格式命名。 - 示例: - 产出表 `dwd_trade_order_detail_di` 的ODPS SQL节点,应命名为 `dwd_trade_order_detail_di`。 - 如果一个节点处理复杂的逻辑,可以命名为 `dws_build_user_active_uv_7d`。
在对话中使用规则
配置好的规则会在您与 Data Agent 的日常交互中发挥作用。
对于设置为总是应用的规则,无需任何额外操作。Data Agent 在生成代码或回答时,会默认将这些规则作为背景知识和约束条件。
对于设置为手动应用的规则,可以在对话时通过以下方式主动启用:
单击输入框下方的
按钮。在弹出的上下文菜单中,选择规则,然后点选您希望本次对话应用的具体规则。
常见问题
技能(Skill)和规则(Rule)有什么区别?
技能和规则都是扩展 Data Agent 能力的机制,但定位和用途不同:
维度 | 技能(Skill) | 规则(Rule) |
定位 | 面向任务的可复用工作流,封装具体的业务流程和执行步骤。 | 面向约束的持久化上下文,为 AI 注入规范、偏好和背景知识。 |
用途 | 定义"做什么"和"怎么做",例如 Excel 数据透视分析、SQL 质量审查等具体任务。 | 定义"遵循什么标准",例如数仓命名规范、代码风格标准、核心表使用说明等约束。 |
生效方式 | 按需调用,在对话中手动选择后触发执行。 | 支持始终生效(每次对话自动加载)或手动生效(按需添加至上下文)。 |
附件支持 | 支持上传 .zip 资源包,可包含数据文件、示例等资源附件。 | 支持手动输入或上传文档文件(.doc、.pdf、.md 等)作为规则内容。 |
使用推荐:
当您需要让 Data Agent 按照固定步骤完成一项具体任务(如数据分析、报表生成)时,推荐使用技能。
当您需要让 Data Agent 在所有对话中持续遵循某些规范或标准(如命名规范、代码风格)时,推荐使用规则。
技能和规则可以配合使用:例如,通过规则定义团队的编码规范,再通过技能封装特定的代码审查流程,使 Data Agent 在执行审查任务时自动遵循团队规范。
技能(Skill)和 MCP 服务器有什么区别?
技能和 MCP 服务器都能扩展 Data Agent 的能力,但二者的作用层级不同:
维度 | 技能(Skill) | MCP 服务器 |
定位 | 指令层,通过自然语言定义工作流和执行逻辑,告诉 AI "如何完成任务"。 | 工具层,为 AI 提供可调用的外部工具和数据源,赋予 AI "执行操作的能力"。 |
能力范围 | 编排已有能力,将多个步骤组合成完整的业务流程。 | 扩展新能力,接入外部系统的 API 和数据源(如查询数据、执行操作等)。 |
典型场景 | Excel 数据透视分析、SQL 质量审查、代码审查流程等。 | 查询 DataWorks 元数据、调用外部 API、访问数据源等。 |
使用推荐:
当您需要编排现有能力来完成特定业务流程时,推荐使用技能,无需编程即可快速创建。
当您需要让 Data Agent 访问外部系统时,可通过 MCP 服务器接入相应的工具服务。
技能和 MCP 服务器可以协同工作:MCP 服务器提供底层工具能力,技能在此基础上编排工作流。例如,MCP 服务器提供查询 DataWorks 元数据的工具,技能则可以基于该工具定义一套完整的数据血缘分析流程。