企业级Data Agent：支持28类数据源与审计追踪

背景

在过去一年中，大量 AI Agent 项目涌现，但大多数面向个人使用场景，在企业级应用中难以真正落地。帖子作者观察到，Agent 正在从 Prompt System 进化到 Engineering System，即从依靠提示词驱动的系统转向更注重工程化、可控制、可审计的系统。作为在底层软件领域有多年代码贡献的开发者，作者希望挑战构建一个能够真正在企业环境中部署的 Data Agent，解决自然语言问数在企业中不可控、不可信、不可验证的问题。

核心内容

DataFoundry 是一个面向企业级的 Data Agent，定位为「在有语义、有权限、有证据链的数据任务系统里，让自然语言问数升级成可控、可信、可验证」的工具。项目目前已开源，版本为 v0.1。

核心能力包括：

• 支持 28 类数据源：整合了业界最常用的各类数据源，方便用户在多种工作场景或本地文档中快速使用。
• 企业语义与上下文组织：针对数据类型任务设计了一套完整的上下文管理机制，专门对数据对象做多类抽象，这是与传统通用 Agent 的核心区别。语义层功能正在快速开发中。
• 保障审计可追溯：默认只读查询、凭据隔离、字段脱敏、行数限制和超时控制；SQL、工具调用和事件流全程留痕、可回放，确保每个结论都有据可查。
• 复杂数据任务深度优化：面向多表、多字段、长程分析和多步骤推理，将复杂问题逐步拆解、验证并收敛到可信结论，最终沉淀为表格、图表和报告等团队资产。

作者还对比了 DataFoundry 与 Coding Agent、传统 SQL Chatbot 的差异：

| 项目 | 工作对象 | 核心风险 | 产出 | |------|----------|----------|------| | Coding Agent | 代码仓、测试、PR | 改错代码 | patch、commit、PR | | SQL Chatbot | prompt、SQL、回答 | 猜错表、越权、凭据泄漏、不可复盘 | 一段 SQL 或一段回答 | | DataFoundry | 数据源、文件、知识库、工具、任务状态 | 生产数据边界、业务口径、审计证据 | 可回放的数据任务 + SQL 审计 + 表格/图表/报告 |

项目当前版本已具备主界面、中间结果表实时渲染、Trace 实时审计、最终报告等功能，并进行完整动画演示。作者欢迎社区提 Issue 和 Star 支持。

关键要点

• DataFoundry 面向企业级落地，而非个人场景，重点解决数据安全、审计、权限等企业级需求。
• 支持 28 类数据源，覆盖主流数据接入类型。
• 拥有专门为数据对象设计的上下文管理机制，在语义层上持续完善，区别于通用 Agent。
• 默认开启只读查询、凭据隔离、字段脱敏、行数限制、超时控制等安全机制。
• SQL、工具调用与事件流全程可审计、可回放，保证结论可追溯、可验证。
• 擅长处理多表、多字段、长程分析等复杂数据任务，通过逐步拆解与验证输出可信结论。
• 产出物包括可回放的数据任务记录、SQL 审计日志，以及表格、图表、报告等团队可复用的资产。
• 当前版本为 v0.1，企业语义和系统可靠性关键能力仍在快速开发中。

意义与影响

DataFoundry 尝试填平当前 AI Agent 在企业数据场景中的落地鸿沟。传统 SQL Chatbot 存在猜错表、越权、凭据泄漏、无法复盘等核心风险，而单纯依赖 Prompt Engineering 难以保证生产环境的数据安全与业务口径一致性。DataFoundry 通过工程化手段（只读默认、凭据隔离、全链路审计）将自然语言问数从不可控的「实验品」升级为可管控的「生产力工具」。该项目开源并鼓励社区共建，有利于推动 Data Agent 向工程系统进化，为企业在数据智能领域的可信应用提供可参考的架构范例。