Data+AI-最新-阿里云开发者社区-阿里云

数据是生成式AI的核心资产，大模型时代的数据管理系统需具备多模处理和实时分析能力。阿里云瑶池将数据+AI全面融合，构建一站式多模数据管理平台，以数据驱动决策与创新，为用户提供像“搭积木”一样易用、好用、高可用的使用体验。
阿里云瑶池数据库凭借云原生架构、多模融合能力与全栈技术优势，已为金融、游戏、电商、物流、内容科技等千行百业提供“量体裁衣”的 Data+AI 解决方案。本文精选多个行业标杆案例，揭秘哔哩哔哩、申通快递、鹰角网络、知乎等企业如何通过阿里云数据库实现业务突破，为更多企业提供“数据库+AI”转型的实践参考。
本篇将介绍DMS的一款数据分析智能体（Data Agent for Analytics ）产品的技术思考和实践。Data Agent for Analytics 定位为一款企业级数据分析智能体， 基于Agentic AI 技术，帮助用户查数据、做分析、生成报告、深入洞察。
传统 RAG 模型在处理复杂关系和推理时存在局限性，而 ADB GraphRAG通过知识图谱的支持，显著提升了对复杂数据的理解与生成能力。本次分享将重点介绍 ADB GraphRAG 的核心功能和优势，并通过实战演示，带您学习如何使用 ADB PG 实现客服问答机器人，以及如何在百炼使用 MCP 构建文档阅读助手。AnalyticDB PostgreSQL版 GraphRAG最佳实践：https://help.aliyun.com/zh/analyticdb/analyticdb-for-postgresql/user-guide/graphrag-best-practices/
阿里云瑶池 Data Agent 体验馆上线啦，通过自然语言描述需求，Agent 自动完成需求解析、数据理解与洞察挖掘，快速生成定制报告，大幅减少人工操作，提升分析效率与决策深度。
云数据库 RDS PostgreSQL 全托管 Supabase 服务，为客户提供了 AI 应用开发的新范式。本次分享将重点介绍 ​RDS Supabase​ 核心能力和适用场景，以及相较于开源版 Supabase 和社区版PostgreSQL，RDS Supabase 具备的增强能力，并通过实战演练，带大家了解如何基于RDS Supabase 开发一个简易 Agentic RAG 应用。点此提交咨询申请试用：https://page.aliyun.com/form/act987005680/index.htm
针对雅迪“云销通App”的需求与痛点，本文将介绍阿里云瑶池数据库DMS+PolarDB for AI提供的一站式Data+AI解决方案，助力销售人员高效用数，全面提升销售管理效率。
本文为数据库「拥抱Data+AI」系列连载第1篇，该系列是阿里云瑶池数据库面向各行业Data+AI应用场景，基于真实客户案例&最佳实践，展示Data+AI行业解决方案的连载文章。本篇内容针对电商行业痛点，将深入探讨如何利用数据与AI技术以及数据分析方法论，为电商行业注入新的活力与效能。
在数字化浪潮的推动下，企业正面临前所未有的挑战与机遇。数据与人工智能的结合，形成了强大的Data+AI力量，尤其在近期人工智能迅速发展的背景下，这一力量正在加速重塑企业的运营模式、竞争策略和市场前景，成为适应变化、提升竞争力、推动创新的核心驱动力。本文将讨论企业采用Data+AI平台的必要性及其在企业智能化转型中的作用。
IDC《2026中国Data Agent厂商评估》显示，阿里云位居领导者首位，在产品能力与战略规划双项得分第一。其核心支撑是AI原生数据库服务AIDBS，通过OneMeta语义层、多Agent协同（Meta/Analytics/DAS等）及全链路安全网关，实现数据资产化→智能分析→自治运维闭环，真正释放数据价值。
阿里云AIDBS Data Agent在BIRD-CRITIC、DAB、BIRD-INTERACT三项国际权威Data Agent评测中均获第一，覆盖SQL诊断修复、真实数据“一次答对”、动态多轮交互三大核心能力，展现从“会答题”到“可交付”的全链路分析实力。
本文介绍如何用开源语义网关DatI+微信小程序Agent，实现“数据库即后端”的轻应用闭环：国庆六天行程中，文字/截图自动记账入库（CRUD），假期结束自然语言一键生成交互式PC看板，全程零手写业务代码。
OpenClaw相较于传统LLM一问一答的Chatbot，OpenClaw不仅具备各种channel的对接，还具备记忆能力，能完成复杂任务的拆解，能安装、生成、编排各类工具（Skills），让智能体又更进了一步。本文从OpenClaw的数据处理流程入手，学习和分析其实现原理，并进一步分析其在实际应用上面临的短板问题和挑战，最后给出企业级Agent产品的展望。
阿里云 AI 原生数据库服务（AIDBS）Forecast Agent，用数字世界的百万次未来推演，为你锚定胜局。
阿里云Forecast Agent是AI原生数据库的智能推演工具，基于企业真实数据构建多角色智能体，在舆情爆发前模拟不同决策路径。它不只监测已发生事件，更通过数字沙盘预演“尚未发生”的复杂社会互动，助力企业在新品发布、投资决策等关键场景中提前识别风险、锚定最优行动。
Agentic-Native Database，就选阿里云数据库
阿里云RDS PostgreSQL针对Agent场景三大核心能力升级：多租户隔离、秒级数据分支、多模态（向量+图+标量）统一检索，支撑SaaS化、沙箱化与多源数据融合的生产级应用。
嘉银科技携手阿里云PolarDB，完成核心系统云原生升级：SCC全局一致性读消除主从延迟，HTAP列存实现风控分析秒级响应，Serverless+AI运维助手推动智能防御。高性能、低成本、高安全、易运维的实践，为金融科技提供可复用标杆方案。
过去二十年，企业围绕数据建设逐步形成了一套成熟的方法体系，形成了数据仓库（中台），通过BI和报表进行业务赋能。然而，在智能化时代，这些是远远不够的，现在的数据治理体系并不足以让AI真正理解企业业务。换句话说，不能被AI通过消耗Token方式消费的数据平台，是没有未来的。本文介绍另一种受到广泛关注的知识管理的方法，就是（逻辑）语义模型。
延锋国际携手阿里云瑶池数据库，落地Meta Agent与Analytic Agent双智能体：前者实现全域数据资产自动盘点与语义检索，后者支持自然语言交互分析与异常预警。分析时效从一周缩短至2分钟，推动数据服务从被动响应迈向主动智能。
大模型成本黑洞在Output Token！阿里云Tair AI Gateway推出语义缓存，通过向量检索识别语义重复请求，跳过LLM推理，实测命中率近60%、准确率F1达0.89，毫秒级响应。兼容OpenAI/Redis API，4步接入，公测期全免费。
本文探讨企业AI Agent从“能问”到“能干活”的核心挑战，提出落地需跨越三道坎：读懂数据（语义理解）、安全访问（权限与审计）、真正干活（端到端业务执行）。阿里云瑶池基于Meta Agent知识大脑、DataGateway安全通道等实践，正推动企业Agent走向规模化、自进化的真实生产应用。
AI-Native企业的上下文基建新范式
OpenClaw让智能体更进了一步，相较于传统LLM的一问一答方式，其优点在于，能便捷的扩展海量工具，也支持集成用户自己开发的工具、脚本，还能自行拆解复杂任务成工作流，完成工作流的设计和开发。并能将拆解的工作流或者用户自己的工作流串接成完整的流水线，每个环节调用不同的skills，完成复杂任务。除了能24小时持续工作外，甚至还能进行自我迭代改进。新手最大的困惑是安装了，也不清楚下一步该怎么办，本文描述从0开始构建OpenClaw，让龙虾在工作和生活中发挥作用。
DAS Agent 是基于大模型技术，融合了阿里云10万+工单和专家经验的智能数据库运维大脑，专注于解决云数据库的日常运维及稳定性问题。通过融合AI，构建了覆盖问题发现、诊断、优化的全链路自治能力，为您提供高效、精准的数据库稳定性保障。
RDS龙虾养成计划：RDSClaw让Agent长出“记忆”与“手脚”
PolarClaw-企业级“虾兵军团”安全开发与管理
3月14日，OpenClaw“虾搞”数据库首场线下活动将在杭州阿里西溪园区举行。原定70人的技术沙龙，4天报名超600人，场地紧急扩容3倍！聚焦AI Agent与数据库融合，致敬开发者敢试错、勇探索的“虾搞”精神。全程直播，多地巡演即将启动。
阿里云瑶池DAS Agent是融合大模型与十万工单经验的智能数据库运维大脑，实现“发现-诊断-优化”全链路自治。支持云上/自建多引擎实例，秒级定位CPU飙升、死锁等根因，对话框内直接限流、SQL优化、死锁分析，7×24小时主动预防，助力企业迈入AI-Native运维时代。
阿里云DMS DataClaw是7×24小时AI数据助理，支持自然语言提工单、智能巡检、多任务编排、SQL风险预审等9项硬功能，原生集成DMS安全体系，覆盖MySQL/Oracle等60+数据源。现在可免费试用，快来体验吧。
DAS Agent 是阿里云基于大模型与10万+工单经验打造的智能数据库运维大脑，支持 MySQL、PostgreSQL、Redis 等主流引擎，提供异常诊断、SQL 优化、运维日报等 AI-Native 能力，助力企业实现 7×24 小时自治运维。
智能体（AI Agent）应用的核心挑战之一是其健忘的特性，无法记住历史交互、用户偏好或长期上下文。PolarDB PostgreSQL 版和 PolarDB MySQL 版现推出为 AI Agent 构建专属长效记忆的托管服务，让您的 AI 应用记住一切，从而构建更智能、更具个性化的用户体验。
本次分享以一份零售商历史销售数据为例，分析数据特征并选择合适的预测模型，演示使用 Data Agent 进行预测分析。
本次分享介绍了MCP基本概念及使用场景，演示了 Data Agent 如何接入MCP，并以使用MCP服务实现日志查询与分析为例进行实战演练。
本次分享演示了如何基于通用Data Agent配置业务专属Agent，通过预先定义数据范围、指定Agent的分析思路和方法论，补充场景或行业专业知识，使其更符合企业业务逻辑和决策需求，提高分析准确性。
本次分享以一份零售产业的数据演示如何使用Data Agent的自定义Agent对数据库数据进行分析，生成可视化的BI报表，并对分析结果进行描述性分析和规范化分析。
本次分享介绍了如何使用Data Agent做根因分析，快读定位问题根源，以排查某网站GMV下跌、某用户下单购买冰箱多渠道触点转化两个预设情景，使用Data Agent进行根因分析和归因分析，帮助企业快速定位问题根源辅助决策。
本次分享介绍了Data Agent产品界面功能，演示如何快速上手完成一次数据洞察，以一份示例数据走通全流程，包括数据源录入上传、提问并启动任务后，在Agent分析过程中多轮追问、补充说明，得到文字报告后进一步绘制网页报告，查看最后的分析产物和记忆。
本次分享主要介绍Data Agent产品能力，适用场景和客户案例，适合首次接触Data Agent的用户快速了解产品全貌。
针对多账号管理难题，通过DAS Agent、MCP Server 与 Dify 集成，实现跨阿里云账号数据库实例的统一智能运维。主账号可纳管其他账号的DAS Agent，集中生成运维日报并推送至钉钉，提升集团级数据库管理效率。