近日，阿里云 DataWorks  Agent 正式发布，推出面向数据开发治理的全新智能范式——用自然语言对话驱动全链路数据开发，让“你说，我做”成为现实。

现在，只需输入一句描述，DataWorks Agent 就能自动完成从需求理解、任务构建、代码生成到调度发布的全流程操作，真正实现“对话即开发”。

核心功能发布：两大场景，全面提效

场景一：数据开发 Agent —— 一句话生成可上线 ETL 任务

还在手动建表、写SQL、配调度？现在，你只需要说：

“请按照需求文档中的内容，构建“直播间商品成交数据”的ads层。

要求：

1.需遵从数仓建设规范，同步建设dwd、dws层的表及代码，并使用工作流来承载所有开发任务

2.ADS层的表使用 StarRocks 和 Hologres 实现，其余的表使用 Serverless Spark和 MaxCompute 实现”

 DataWorks Agent 会自动：

• 需求理解与语义解析，识别关键词，判断任务类型和目标用途；

• 工作流创建，设置合理的上下游依赖

• 自动代码生成，应用最佳实践，支持生成SQL/Python多语言代码；

• 智能调度配置，设置每日定时调度，对应凌晨1点执行，同时配置失败策略；

• 自动生成任务描述，发起最终发布。

DataWorks Agent 产品演示 >>

特别适用于：

数据量大、ETL任务频繁、团队协作复杂的企业，有效解决开发效率瓶颈、新人上手慢、业务需求响应延迟等问题，或正在推进数据平台智能化升级的企业。

场景二：数据治理 Agent —— 自动化智能数据质量治理

手动一条一条写数据质量规则太麻烦了，现在，你只需要说：

“帮我针对dim_user_info这张核心用户维表，自动生成质量规则。”

DataWorks Agent 会自动：

• 解析表结构并识别字段类型、业务含义及关键字段（如主键、手机号、性别等）；

• 基于字段特性与业务重要性，智能推荐主键唯一性校验、非空约束、性别字段枚举值校验等规则；

• 一键完成规则配置并绑定监控策略。

通过自然语言指令即可完成以往需人工探查、分析、配置的复杂流程，显著降低数据治理门槛；规则推荐基于专家级治理经验，确保治理策略的准确性与有效性。

“找出热门访问表未配置质量规则的表，推荐并配置质量规则。”

DataWorks Agent 会自动：

• 通过数据资产治理健康，自动识别高频访问的热门表，且无质量规则配置保障的表；

• 结合表字段语义、产出任务信息、血缘信息及与历史配置，智能生成定制化规则组合（如金额字段范围校验、时间字段格式校验），批量生成质量监控及规则的配置建议；

• 用户确认后，自动针对多张表进行质量监控及规则的设置；数据质量模块将按照配置，运行质量监控。

无需人工筛选目标表或手动设计规则，系统主动识别质量治理问题，并提供可行的解决方案，大幅提升数据质量覆盖率与治理效率。

 特别适用于：

快速配置核心表质量规则，统一治理多源数据资产，自动化监控高频质量问题，在大规模场景下补齐规则、保障新表合规，并支持审计前集中治理。

技术背后：不只是大模型，更是“有记忆、能决策”的 Agent

DataWorks Copilot 并非简单的 Prompt 工具，而是具备完整 Agent 能力的智能体系统：

能力	说明
深度理解与自主规划	基于上下文感知与多轮对话，准确识别复杂意图，自主将任务分解为可执行的多步骤计划
数据开发治理过程自动化	深度融合 DataWorks 核心产品能力与流程，全面打通上下文数据， 内置 DataWorks 工具集

用户实测反馈：效率飞跃，释放创造力

DataWorks Copilot 现已在阿里集团淘宝、天猫等内部团队深度使用，据用户实测反馈：

• 开发周期从“天级”缩短至“分钟级”

• 整体提效提升近10倍

• 80%以上的常规 ETL 任务可由 Agent 全自动完成

更重要的是，开发者终于可以从重复性劳动中解放出来，转向业务创新、业务价值挖掘，并探索AI与数据融合的新场景

正如用户所说：“我们不再只是‘搬砖’的工程师，而是真正的数据架构师。”

立即体验

📍 适用人群：数据工程师、ETL开发、BI分析师、数据产品经理  

📍 适用场景：日常数据加工、报表开发、数据迁移、数仓建设、数据治理等

👉 体验入口：登录 DataWorks 控制台 → 点击 Copilot 图标 → 确认协议即可开启

提示：主账号、租户管理员或具备同等权限用户可一键开启公测，开启后该账号下所有成员均可使用。

了解更多：点击查看《DataWorks Copilot 使用指南》