快手生产平台研发中心研发负责人韩江，已确认出席QCon上海站“Agentic时代的数据系统重构”专题，带来题为《DataAgent - 快手大数据生产与分析的智能化探索之路》的分享。他主导了快手大数据生产平台“天工”从0到1的建设，2024年开始深耕AI for Data提效，深度参与构建了快手统一的大数据智能体DataAgent。

这个智能体目前支撑数据生产、分析、AB分析等场景的智能化提效，主动会话周活跃用户数近万。韩江有10+年大数据平台建设经验，目前聚焦知识工程、Harness工程、Mutil-Agent架构等技术在大数据场景的落地。

从数据驱动到智能驱动

快手做DataAgent的出发点，是重构大数据生产、分析等场景的工作模式。传统生产与分析工作模式存在痛点，快手希望结合AI技术，让数据生产、分析更高效、更智能，实现从“数据驱动”到“智能驱动”的转变。

为此快手进行了数据智能化（AI for Data）的建设探索，构建了专注于数据领域、兼顾通用场景的企业级Agent——DataAgent，具备数据全链路智能化能力，覆盖找数取数、数据开发、归因报告、人群洞察、AB分析、埋点分析等。

建设过程中，快手同时面对两类问题：一类是Mutil-Agent协同、上下文管理、执行可靠性等通用问题；另一类是数据领域的特色问题，包括知识规模大、奇异多、准确性难保障，以及数据安全要求高。

父子Agent与知识飞轮

在整体框架上，快手采用基于Mutil-Agent + Skill的模式。父子Agent + Skill负责协调通用能力和领域能力，并保障执行可靠性。上下文管理则通过Skill与Tool的动态加载、智能上下文卸载与压缩、智能长短记忆等能力，让Agent越用越智能。

空间与研发包能力，用于满足不同业务隔离场景。知识工程方面，快手搭建了高质量、高精度准入数据集，由冷启动种子、精度标尺、自生长土壤构成；同时建设LLM-wiki新型知识库，让知识不再是散落的文档，而是“人机共建、结构统一、可版本化、可被LLM直接消费”的wiki化知识资产。

知识飞轮则形成闭环：提问、召回、反馈、归因、迭代建议、知识更新、回归验证，保证知识“保鲜 + 保活”。效果评测层面，快手建设了Trace与评测平台，并推进评测集构建与自动化评测实践。

韩江在演讲提纲中列出的实践痛点很具体：面对真实业务场景和百万级的数据资产规模，如何实现知识增强、消歧、准确召回，是影响准确性的核心原因；数据场景提问返回后，如何通过知识飞轮进行真实问题的分析诊断，发现问题（知识、工具等）并推进Agent效果持续进化；以及不同业务领域能力如何协同和隔离，爆炸式的上下文如何处置。

落地场景与后续方向

演讲将分享端到端数据生产应用案例和效果，以及智能化数据分析应用案例和效果。总结与展望部分指向两条线：知识飞轮通过线上真实问题的智能化洞察、诊断，驱动DataAgent越来越准确；Harness工程从性能、成本等方面持续优化，驱动DataAgent越来越高效易用。

本次QCon上海站还策划了Loop Engineering、千行百业Agent创新实践、Agent自主进化：从记忆到持续学习、Agent as a Service、Vibe Coding时代的新质量债、理性驾驭AI的SRE可靠性工程、金融AI Native工程实践、AI Infra：算力效率决定规模化落地、AI Native架构等20个专题论坛，届时将有来自不同行业、不同领域、不同企业的100+资深专家在现场带来前沿技术洞察和一线实践经验。