作者 | Tina Data Agent 看似轻松上手，但真正落地却充满挑战。虎兴龙在专访中指出，90% 的难点源于软件工程，而统一语义层建设是成功的关键。企业如果忽 略场景聚焦、技术框架的可迭代能力或语义模型和运营体系，即便投入几个月，也可能无法监控、评估或修改，最终停留在原型阶段。掌握统一语义 层、完善的技术框架和运营体系，才能让 AI 代理真正理解数据、快速迭代、落地应用，显著提升企业数据智能化效率。 采访嘉宾： InfoQ：过去 BI 系统很多时候是"看数"，如今进化到从"看"到"做"，从系统工程角度看，这背后意味着什么样的技术支撑？ 虎兴龙： Agent 的交互形态可以比作是数据分析的新"head" ，新 Head 一定需要新的技术支撑。我认为必须必要的两方面技术革新：1、需要有数据语 义工程的平台化能力，数据工程、数据平台不止交付数据内容，还应该交付可被分析的语义。需要有数据语义层为 Data Agent 提供可靠的知识、高性 能的数据操作接口；2、需要有完善的 Agent Ops 平台基础，目前 Agent 开发框架发展很快，但是 Agent 的运营体系其实很关键并且是存在不足的， Agent ...