从数据整合到决策提效：B站数据知识库与增强分析协同的端到端实践.pdfVIP

从数据整合到决策提效：

B站数据知识库与增强分

析协同的端到端实践

演讲人：胡天伟

从RAG原型到智能体协同决策的演进

工程化实践中的系统挑战与突破创新

全场景数据工作流重构：AI提效规模化落地

下一代AI与数据融合布局展望

从RAG原型到智能体协同决

策的全栈升级

01

第一章节

早期痛点与技术选型

02

01RAG架构选择原因03

数据平台凭借天然的数据接入优势，

数据分散与知识检索低效初期成果

成为解决这一痛点的关键角色。

作为传统的数据平台，平台内各种数检索准确率显著提升，效率大幅提高，

RAG架构能够对数据有效整合，并

据、知识分散，不仅找表、取数用数为后续平台的发展和AI场景化提效奠

提供检索与生成能力，适配企业知识

效率低下，知识检索效率也不高，难定基础。

管理与问答需求。

以满足企业内部快速获取知识的需求。

利用数据平台先天优势，知识库接入

早期采用开源框架llamaIndex，配

并且在这个提效越来越被重视的AI时几十种不同的数据源，接入知识库数

合B站自研的Index大模型，构建知

代，有一套快速检索数据解决问题的量300+。

识库平台，实现企业微信对话机器人

能力尤为重要。

的一键发布。

早期痛点与技术选型

引入Agent的驱动力

从检索到决策的转变技术突破与流程优化

仅靠检索无法满足复杂业务决策、落实现基于MCP协议的动态工作流编排

地需求，引入Agent成为必然选择。能力，可根据业务需求灵活调整工作

Agent能够基于检索结果进行深度分流程。Agent在不同场景下的工作流

析与决策，提升业务智能化水平。典型应用场景剖析程定向开发与优化，也解决了以往开

在SQL生成、多维归因、稿件智能研发效率低下的痛点。

判等场景中，Agent发挥关键作用，

大大提升工具的智能化水平。

智能数据客服、数据开发与查询智能

诊断等场景，充分展现Agent的强大

功能，改变了重人力运营的困境。

端到端AI解决方案