工具概览
Data Quality Agent 是一个面向 LLM 的数据可靠性智能体,它对业务 CSV 导出文件做数据画像,运行确定性的质量检查,并返回有证据支撑的发现,可附加到数据事故工单上。演示使用一份含有真实数据质量问题的工单导出文件,确定性报告能在问题到达仪表盘或下游分析之前检测出运营问题。默认引擎是确定性的;配置了 OpenAI 兼容密钥后,LLM 智能体可以选择针对数据集的策略、读取结构化工具结果、在多次模型调用间重新规划,并且在定稿前必须附上作为事实依据的质量报告。
除 CSV 上传外,后端还包含一个可选的只读 PostgreSQL 适配器,用于真实的业务表。它默认禁用,使用前需要显式的环境配置。该适配器拒绝写操作、强制行数限制、设置语句超时,并通过模拟数据库测试进行了测试。带种子数据的 Postgres 演示可通过 docker compose up --build 在本地运行。
报告包含对以下方面的确定性验证:证据支撑、已知字段引用、敏感值泄露、无依据的 LLM 证据、行动覆盖率和分数边界。每份 API 报告都会返回一个 trace id,可通过 /runs/{trace_id} 查看脱敏后的运行记录,并可通过 TRACE_DB_PATH 启用可选的 SQLite 持久化。工单快照由 CI 验证器重新生成,并作为已验证的 JSON 存储。
定价
价格与限制可能变化,请以官网为准,并确认币种、付款周期、最低席位数和用量上限。
应用场景
- 团队用 Data Quality Agent 对业务 CSV 导出文件做画像并运行确定性质量检查。
- 团队用 Data Quality Agent 在工单导出数据到达仪表盘或下游分析之前检测运营问题。
- 团队用 Data Quality Agent 把有证据支撑的发现附加到数据事故工单上。
- 团队用 Data Quality Agent 对真实业务表运行可选的只读 PostgreSQL 适配器。
- 团队用 Data Quality Agent 验证证据支撑、字段引用、敏感值泄露、无依据的 LLM 证据、行动覆盖率和分数边界。
- 团队用 Data Quality Agent 通过 trace id 查看脱敏后的运行记录。
- 团队用 Data Quality Agent 借助 Docker Compose 在本地运行基于数据库的工单报告和智能体路由。
- 团队用 Data Quality Agent 根据支付、客户或通用表结构选择质量策略。
功能特性
分析业务系统导出的 CSV 文件
执行确定性数据质量检查
生成有证据支撑的问题结论
可将结论附在数据事故工单中
提供适配大语言模型的数据可靠性智能体
用户评论
还没有评论,来分享你的使用体验吧