❌❌❌免费裸体偷拍电脑版下载「含模拟器」是一款模拟谋划战略游戏，该版本玩家可以直接通过安卓模拟器在电脑上装置体验。该游戏接纳唯美的水墨画风，将中国风元素融入游戏场景，为玩家带来极致的视觉享受，让您陶醉其中，感受w3u7903ejky2ywls之美。在游戏中，玩家将饰演一位祖师，开宗立派，作育一众有趣的学生，资助他们渡劫成仙。每位学生都拥有奇异的命格和属性，个性迥异，让您体验到千奇百怪的修仙生涯。

与此同时，❌❌❌免费裸体偷拍最新版下载还拥有奇异的挂机机制，您可以将游戏安排在后台，解放双手，让学生们自动修炼、渡劫，知心呵护您的修仙门派。宗门地产建设也是游戏的主要内容，您可以自由摆放，打造属于自己的修仙宗门，创立仙门人的理想家园。从山海异兽到一石一木，随处充满着古韵仙风，让您似乎置身于修仙小说般的瑶池之中。

Data Agent怎样资助企业打造懂你的“电子牛马” _ 数势xSelectDB特色

视点 发自 凹非寺量子位｜公众号 QbitAI

Agent 产品正宣布得火热，但要说到真正懂企业、懂决议的 Agent 还不算常有。

其背后，尚有大宗企业积累的营业数据，在期待被高效使用起来。数据 Agent 会成为一个好解法吗
？

为此，我们约请到了 Agent 公司的代表数势科技联合首创人谭李，以及数据库公司的代表飞轮科技科技联合首创人肖康，聊了聊什么是“懂营业”的 Agent、Agent 与古板 BI 的关系、Agent 怎样加入决议，以及在未来企业中的角色等等。

对话亮点

纵然是一个通用指标——商品毛利，每家企业的盘算要领也差别。一个懂营业的 Agent，首先要明确“商品毛利”背后究竟是两项、五项照旧十五项指标的组合。数据剖析正在从 “User-facing” 正在转向 “Agent-facing”。Data Agent 带来的厘革实质上提升了人与数据系统的交互频率与效率。Data Agent 适合应用的场景许多，但它们背后都具备一个配合的要害特征——无邪、实时的决议。

以下基于嘉宾分享梳理，在不改变原意基础上有一定删改。

“懂营业”的Agent，不但是工具，更是数据秘书

量子位：我们可以先从“懂营业”这个看法聊起。能否请数势科技先容一下，你们是怎样明确“懂营业”的 Agent
？是否可以用几个要害词或能力指标来界说
？

数势科技谭李：懂营业的 Agent，我们可以用一个形象的比喻来明确：它就像是跟了你多年的秘书，很是相识你。你刚最先表达需求，它就能推断出你的目的，并举行剖析和执行。这是我们所说的“懂营业”。而不懂营业的 Agent 更像是一个刚刚到岗的外包职员，虽然具备通用能力，但对尊龙游戏人生就是博营业语境、知识缺乏基本明确。

我们可以把“懂”拆解为三个条理：第一是“我知道是什么”（What），即对营业看法的明确；第二是“我知道为什么”（Why），能明确背后的逻辑；第三是“我知道怎么办”（How），能提呈现实操作建议。一个懂营业的 Agent，应该能在这三方面与使用者形成优异互动。

以我们效劳的一些大型零售客户为例，例如沃尔玛、山姆、永辉、胖东来等企业。我们发明，纵然是一个通用指标——商品毛利，每家企业的盘算要领也差别。例如，有的企业会思量试吃消耗、联合促销返利、破损逾期、盘盈盘亏等因素，而有的则不会。这些细节体现了 What 层的差别。一个懂营业的 Agent，首先要明确“商品毛利”背后究竟是两项、五项照旧十五项指标的组合。

接下来是 Why 的层面。若是你让一个通用 Agent 剖析商品毛利，它可能会告诉你哪个品类毛利高，哪个低，却无法诠释为什么。例如，洗发水的毛利偏低，日用百货/衣饰类的产品毛利很是高；洗发水毛利与宝洁这样的头部品牌控制着定价权有一定的相关性。只有懂营业的 Agent 才知道品类与毛利之间的营业逻辑关联。

第三层是 How。当你问怎样提高一篮子货的毛利水平时，通用 Agent 可能会说“你涨价”或“你降本”，这虽然没错，但太粗浅。懂营业的 Agent 会说：“你需要重新评估这一篮子货的商品结构，由于你的商品结构决议整体毛利水平。”总结来说，懂营业的 Agent 不但要回覆 What，更要明确 Why，最终提出贴近营业现实的 How。

量子位：现在许多通用型 Agent，也会称自己的产品为秘书、事情同伴。那数势科技以为，企业级数据 Agent 的定位和价值详细在那里
？

数势科技谭李：我们可以从两个维度划分 Agent：通用 vs 笔直、企业级 vs 非企业级。我们产品落在“笔直 + 企业级”的象限，专注于数据领域。

我们怎么认知产品呢
？首先，它的使用工具是企业内部的营业职员和剖析师，因此“懂营业”尤为主要。我们并不是简朴挪用大模子，而是构建企业私域知识，使每个企业可以设置或导入自己的知识系统，并让产品举行学习和迭代。

然后它的使用场景，是在企业做营业决议时，提供剖析的支持。那么企业能够在私域的语义情形下，让营业职员或剖析师以更高效的方法拿到数据与洞见，来支持营业决议。

量子位：那从数据库的角度来看，飞轮科技以为一个“懂营业”的 Agent 在数据处置惩罚上应该具备哪些能力
？数据库施展了怎样的作用
？

飞轮科技肖康：我们明确的“懂营业” Agent，与通用型最大的区别在于它明确的是“有语义的数据”，而非裸数据（Raw data）。现在许多人实验用大模子举行 Text-to-SQL 盘问，好比询问“企业销售展望”，虽然能天生 SQL 语句并运行，但效果并欠好：一方面数据禁绝确，另一方面还需要人工校验，反而增添了本钱，甚至可能误导决议。

我们剖析下来，一个主要的问题是在于中心缺少了“语义层”。理想的方法是让自然语言首先映射到已经建模、贴合营业语义的指标数据中，好比指标平台中的数据。以商品毛利为例，差别企业的界说差别，若是跳过语义层直接查数据库，很容易蜕化。因此我们以为，有语义的指标平台是要害，它是让 Agent 真正“懂营业”的基础。

量子位：现在企业级 Agent 是怎样模拟人类剖析师的，在提问和归因逻辑上有没有特别的处置惩罚要领
？

数势科技谭李：我们前面把 Data Agent 比作“跟了你多年的数据秘书”，我可以再举个例子：它就像企业为每个营业职员配备了一头“电子牛马”。以前，数据剖析主要依赖“表哥表姐”手动处置惩罚剖析使命，可能2个剖析师要支持4、5个营业部分；并且还需要足够相识营业团队。

而现在，则由剖析师“饲养”一群数据 Agent，让它们替换自己完成重复劳动，突破了人力的瓶颈。通过 Data Agent 实现了“人人用数”，可以说是带来了数据生产和数据消耗上的根天性厘革。

正如肖总提到的早期许多企业用 Text-to-SQL 的方法准确率很低。着实我们从 2023 年就最先提倡路径是 NLP-to-Semantic，即通过自然语言映射到语义层，再由语义层去毗连底层重大的数据逻辑。这些语义层建设在企业内部分析师的指标系统与营业逻辑之上，更贴合企业现实。

量子位：那在飞轮科技打造懂营业的 Agent 时，底层数据库做了哪些事情
？好比为了实现跨表处置惩罚等功效，数据库有什么需要特殊做到的吗
？

飞轮科技肖康：AI 时代究竟需要什么样的数据库，各人都在问。尊龙游戏人生就是博看法是，对像我们这种剖析型数据库来说，需求只会越来越高。好比 BI 盘问，已往是数据工程师写程序、拉报表，现在用户可以直接用自然语言跟系统对话。这背后，着实就是 Agent 在替用户提倡盘问。未来，Agent 甚至会替身做大部分决媾和剖析。

你可以明确成，剖析从 “User-facing” 正在转向 “Agent-facing”。虽然现在 Agent 还没那么多，但未来它们的数目可能是人的十倍、百倍。并且它们不会“休息”——不是像人一天看两次报表，而是每几分钟就盘问一次。这对数据库提出三个挑战：

第一，高并发和高频会见。Agent 是程序，要求响应快、并发高，几千甚至上万并发去做盘问是常态。

在这个方面，已往数据的剖析是面向内部、专业人士的用数，现在也会有面临外部用数的需求（编者注：可以将 Agent 用数明确为一种外部用数）。我们团队早期在百度做 Doris 项目的时间，就意识到像 Hadoop 、MySQL 是知足不了这些需求的。

第二，更强的实时性。已往数据延迟可以是小时、分钟，现在要做到上一秒用户爆发了数据，下一秒就能剖析。像古板的数仓使用的是批量的手艺，就是不可知足这样的实时需求的。

第三，数据类型更多样。不但是结构化数据，像现在企业内部的文档、用户谈论都要用来做剖析，非结构数据如文本、文档、谈论，甚至图片、音视频，这些都要能加入剖析。

在这么多年的生长历程中，我们也积累了许多的手艺往复解决这些需求，好比我们做了种种索引优化，一直榨干 CPU 资源来提升效率；棺抛隽嗣嫦虬虢峁够⒎墙峁够莸募芄股杓，和工具存储等系统（像 COS）买通，支持 AI 使命里的多源数据剖析。

可以说，尊龙游戏人生就是博数据库就是为 AI 时代的 Agent 效劳的，从架构究竟层能力，都在往这个偏向演进。

个性化、自动式Agent正在取代古板BI

量子位两位先生也都提到了，古板企业是使用报表或古板BI来举行数据剖析的。那么从产品能力看，Agent+Data与古板BI+大模子的最大差别在那里
？

数势科技谭李：这着实正是我们适才提到的手艺路径差别
？梢约蚱咏涔槟勺酆衔街致肪叮阂恢质 Data Agent 的路径，另一种是 Chat 与 BI 的路径。两者的焦点差别可以总结为三点。

第一是「Personal」——Data Agent 更具个性化。在 BI 报表基础上叠加大模子，用户可以通过 Chat 的方法来盘问数据，确实解决了无邪性问题，但你会发明，它仍然是基于报表内容自己，并不是为某个详细用户量身定制的。

而智能署理 Agent 就像是你的小我私家数据秘书，它能够明确你的剖析习惯。当对两位员工同时提到「帮我看一下已往一个月的业绩情形，KPI 达标了吗」这个问题时，他们看到的内容可能纷歧样，由于他们所在部分差别、KPI 差别、目的值也差别。这种情形是古板 BI 难以解决的，而 Data Agent 能够明确你个性化的语境与配景，提供真正专属的剖析支持。

第二个特征是「Proactive」——自动性。古板的 Chat BI 是典范的“我问你答”，并且有时答不出来，或者数据还不完整，这种方法实质上是被动的，用户还需要有明确问题意识，门槛很高。而Data Agent 则是自动式的，它能凭证设定推送数据、发出预警，自动天生报告。好比在老板早上进办公室前，它就应当已将要害数据整理好放在他桌面上，而不是等老板进来后才被动行止置。Data Agent 就是一个自动汇报、自动发明问题的智能秘书，范式完全差别。

第三点是「Powerful」——更强盛。Agent 不但是信息盘问的工具，它还能自动执行一系列操作。好比我们有一个客户是大型零售连锁，天下有几千家门店，他们通过 Agent 剖析门店谋划数据后，可以自动判断出哪些门店保存特定问题，并触发使命系统，直接将详细刷新使命下发给店长或伙计，这些使命凭证公司 SOP 要求在一周内完成。这种决议-执行联动的能力，是古板 BI 无法实现的。因此，Data Agent 相较 Chat BI 至少更个性化、更自动、更强盛。

量子位：现在我们也视察到一个征象，许多企业以为古板 BI 工具并没有充分激活沉淀下来的数据资源，也就是“甜睡的数据金矿”。那 Agent 是怎么让这些数据真正“活”起来的
？

数势科技谭李：这是个更偏应用侧的问题。正如前面提到的，Agent 有着自动性、个性化等特征，而古板 BI 模式中，数据的使用是被动的。营业职员需要先提出详细的问题或需求，剖析师才会从数据沼泽中挖掘数据来知足这些需求。但这意味着剖析师和营业职员都必需很是清晰地知道他们要什么，才华推动整个历程。

在 Data Agent 模式下，我们通事后台 7×24 小时一连运行，设置种种剖析范式和模板，然后由系统凭证营业角色的差别自动推送剖析报告和预警。它一直扫描数据、提炼洞察，并以适当形式交付给营业职员。相当于增添了一种数据消耗的场景，让原来被忽略的数据能被挑出来、活过来，背后的营业问题和逻辑被阐释出来。

这样原本被忽略的“甜睡数据”就被激活了。

我还想强调一个未来趋势：企业员工会成为“超等个体”，拥有多个 AI 工具的支持。好比除了数据 Agent，尚有写 PPT 的 Agent、作图的 Agent 等。我们以为，一旦每小我私家都有一个数据秘书，数据消耗将被普惠化。

已往的数据甜睡，不是由于没有人需要，而是由于需求被集中管制在剖析师和 BI 报表的通道里。而现在通道翻开后，海量营业职员的需求可以直接触达数据，通过 Agent 举行消耗。这是一种越发普惠、无邪、普遍的数据使用方法。

量子位：那么，数据库这边在这方面有哪些实践或支持方法
？

飞轮科技肖康：这个点上，数据库可能自己做的并未几，更多是作为支持平台。但我也谈一下我的看法。

已往通过古板 BI 或表格的方法来获取数据，许多营业需求着实是被压制的，实质上是由效率决议的。好比一个营业职员可能都不知道数据库里有什么数据，只有数据工程师或剖析师知道。而剖析师的时间和精神有限，以是营业职员不会频仍提问。

若是能配备一个 Data Agent，营业职员就可以随时提出需求，让 Agent 去自动探索数据库中可用的数据，再连系大模子和企业内部知识，完成使命。更主要的是，它还能展示剖析历程，让你明确这个谜底是怎样得出的，便于验证逻辑。这种多轮迭代机制极大提升了效率。

实质上，这种厘革提升了人与数据系统的交互频率与效率。以往中心有剖析师“把关”，现在则是直接与系统对话。这也对数据库提出了新的挑战，好比系统需要支持更高的盘问频率和更大的盘问量。以前只有“表哥表姐”使用，现在是全公司的人都在用。而这些盘问往往还集中在岑岭期，好比上班时间。

以是数据库需要具备弹性伸缩的能力，峰值时能扩展更多盘算资源，低谷时则能节约资源，阻止企业为不须要的峰值付费。像我们 SelectDB 就在云端提供弹性效劳，以支持 AI 应用的高并发需求。

量子位：在营业场景中，有哪些场景最能体现数据 Agent 的价值
？这些场景有没有一些共通的特征
？

数势科技谭李：随着我们效劳的客户越来越多，接触到的营业场景也一直富厚，我们发明着实360行中，各人在原有数据消耗范式中都有许多痛点和问题
？捎τ玫某【靶矶，但它们背后都具备一个配合的要害特征——无邪、实时的决议。

大型企业早已有种种指标和 BI 报表来支持一样平常剖析，这部分的能力基本成熟了，区别只是剖析师能力的强弱。但使用 Data Agent 带来的最大差别，在于它不是依赖牢靠、静态的报表，而是在动态营业场景中提供实时支持决议的能力。

好比今天你需要做一个营业决议，不想拍脑壳、不靠直觉，而是希望有数据支持。这个时间，若是能通过自然语言即时向系统提问并获得谜底，那这个场景就极具价值。

我举一个身边的例子。好比在零售行业，有一个典范角色叫“督导”，特殊是大型加盟连锁企业中。督导天天要巡店，造访多家直营或加盟门店，一人通常认真几十家。对任何人来说，记着这么多门店的信息险些不可能。并且督导虽然执行力强，但并纷歧定善于文字处置惩罚或数据剖析。

他们经常面临的场景是：今天要造访五家门店，却经常在前往门店的路上才有时间暂时相识店肆的谋划情形，好比上个月的业绩、SOP 是否预警、上次提出了哪些刷新建议、这次要重点检查哪些方面。两个门店之间的通勤时间可能也就半小时，这种暂时相识很是难题。

以是，我们为每个督导配备了 Data Agent。督导可以对即将造访的门店随时提问，如“这家店上月销售是否异常”“员工去职率有没有异常”等，Agent 会即时反响，不再需要前一天做资料准备或打印报表。

这个云端小助手也叫“百事通”，让督导从走马观花式巡店，酿成真正数据驱动、精益化的单店运营模式。对他们来说，这是极大的效率提升，也是让精益化单店运营真正落地的一个要害杠杆。我以为这是一个很是具有代表性的“无邪、实时决议”的典范场景。

量子位：数据在什么样的场景中特殊能够体现其价值
？这些场景是否也有共通特征
？

飞轮科技肖康：从我们与客户的现实交流来看，数据在“笔直类场景”中更容易展现价值，尤其是企业对自己的营业明确很是深，能够用 AI 来重构现有营业流程的公司。

好比有些企业专注于营销、反诓骗、或客服领域。他们自己就有成熟的营业模子，再通过 AI + Agent 的方法举行重构，能看到很是显着的提升。相比之下，那些实验做通用型 Agent 的探索往往效果就不如预期。

并且在做笔直领域的应用时，还可以用古板的高人力本钱的要领来比照验证，评估 AI 要领是否有用。

以是我们看到，最有用的应用往往是那些在本事域已有深挚履历的公司，再用 AI 工具强化营业，并且能被清晰评估的场景。这类垂类 Agent 的推广和落地更有用，也更容易验证效果。

在私域数据加持下，员工正被AI Agent增强

量子位：企业怎样判断一个Agent的数据决议是“合理的”或“乐成的”
？有没有明确的评估标准
？

数势科技谭李：我们一直强调数据是用来支持决议的。着实可以将决议场景分为两类：一类是关闭场景，决议规则很是清晰。好比积分规则：刷满五笔，第五笔给予双倍积分。这种场景的规则明确，Data Agent 可以很好地支持决议，这种规则导向型的场景，权衡标准也很清晰。

另一类是“开放场景”，决议涉及的因素很是多，特殊是偏宏观的营业决议，需要思量的内外部要素也更多。此时，尊龙游戏人生就是博理念是，Agent 不是替你做决议，而是提供决议支持和辅助。我们起劲将更多的数据泛起出来，资助营业职员在更富足的信息配景下做出更科学的决议。

在许多企业里，营业决议经常由于数据没有那么多，或者有时效性，容易酿成拍脑壳的决议或惯性决议，或者好比让履历最富厚的人决议。但我们以为，好的数据支持能显著提升决议的质量。

在关闭场景下，Data Agent 已能很好地支持基于规则的自动决议，甚至贯串到执行层。而在开放场景中，产品的焦点逻辑就是“懂营业”。Data Agent 会从营业语境出发，连系内部数据与接入的外部权威数据，好比买通 Web 搜索，形成一个结构化的剖析报告。就像一个称职的秘书，搜集齐所有资料，最终由营业决议者来做决议。

量子位：那作为数据库，有没有步伐判断 Agent 是否充分使用了数据
？好比判断数据是否缺失、过失、冲突，或者评估数据的可靠性
？

飞轮科技肖康：数据库作为底层支持系统，自己不明确语义，职责主要是高效地组织和盘问数据。好比数据库作为中央存储，整合了 SQL 网关、ES 数据等多个泉源，有时还包括文档数据。

数据库可以辅助评估哪些数据被频仍会见，哪些使用较少，起源反应数据的使用价值。但判断数据是否被“充分使用”以及使用是否“合理”，更多还要靠上层来评估。

数据库层面也可以提供手艺支持，好比通过慢盘问日志判断是否缺乏索引、是否使用了低效盘问方法等。我们也在探索怎样用更智能的方法资助用户更高效地使用数据库。

量子位：在决议中往往涉及敏感或要害数据，有什么要领可以在包管数据挪用无邪的同时包管数据清静
？

飞轮科技肖康：这就需要做好详尽的数据权限控制。常见的做法是基于角色（RBAC）举行权限设定，好比 CEO、一线员工、部分认真人拥有差别会见权限。我们可以控制用户能会见哪些表、哪些字段，甚至可以准确到表格的某一行或某个单位格。

在像 SelectDB 和 Doris 这样的系统中，这些都可以通详尽粒度的权限控制表达出来。尤其在 AI 和 Agent 时代，这种清静控制很是要害。以往数据由少数人集中审批，甚至需要邮件申请来获得数据权限。现在用户可能只需跟 AI 谈天就能获取数据。若是权限控制不到位，很容易造成数据泄露危害。

我们以为对清静能力的要求，越控制究竟层会越好。

量子位：数据 Agent 是否能在某些环节完全替换人
？

数势科技谭李：现在谈“完全替换人”还为时过早。关于大模子和 Agent 是否会替换人，着实我们更倾向于以为它是在“增强人”。确实，Data Agent 会替换一部分重复性强、基于规则的使命，但会增强另一部分人的能力。越早拥抱 Data Agent 的人，就越可能成为“被增强的人”。

在关闭场景中，许多基于清晰规则的一样平常决议，完全可以由 Data Agent 自动化完成。这着实不即是“替换人”，而是把重复、低价值的事情交给 Agent，人可以去做更主要的事。以是这涉及两个层面：一是哪些决议可以由 Agent 自动化执行；二是 Data Agent 的引入会替换哪些人，又增强哪些人。

量子位：这会对未来企业组织结构会带来怎样的影响
？

数势科技谭李：最近我们也在思索这个问题。好比现在硅谷盛行“超等个体”或“一人公司”的看法，实质是种种 AI 工具扩展了个体的能力。

已往可能需要团队完成的数据剖析、报告天生、设计使命，现在一小我私家就能搞定。好比用 Coding Agent 搭建网站、用 Data Agent 管账户、出报表，甚至用 Design Agent 做视觉设计。

这确实催生了“超等个体”，让他们可以身兼多职。但这并不料味着数据剖析师或设计师这些角色会消逝。在大组织里，他们仍然需要。只是角色爆发了转变。好比原来是“表哥表姐”的人，现在成了“电子牛马饲养员”——一个高级剖析师，治理成百上千个 Agent，为各个营业线效劳。

这时间对你提出的要求就更高了。你需要做的是维护企业的数据质量和数据语义，要联合财务、销售、商品等部分共创剖析范式，并沉淀为 Agent 模板。

这些全新的使命在古板范式下并不保存。以是并不是事情镌汰了，而是泛起了新事情。只要你愿意拥抱大模子和 Agent，就能成为这种新范式下的焦点角色，创立更大价值。这是我对未来的一个畅想。

量子位：随着模子和数据手艺的提升，数据和 AI 的关系也在转变。未来企业的智能化生长会更依赖更强的模子，照旧更好的数据
？

数势科技谭李：我以为这着实是一体两面的——既要更好的数据，也要更强的模子。我们现在在做企业级Data Agent时，是暂不涉及基础模子的研发的。我们更关注的是怎样把更强的基础模子与企业的私域数据连系起来，打造更智慧、更醒目的 Data Agent 或企业级智能体。

我们可以看到，现在底座模子在一直迭代，更多企业级应用在降生，企业也越来越重视私域数据的积累与治理。这样几件事的叠加作用下，飞轮正在转动起来。未来我们将看到越来越多真正落地、有现实价值的 Data Agent 或更多应用在企业场景中施展作用。

飞轮科技肖康：我以为，模子要生长，首先必需有更好的数据。数据是模子的基础。大模子的显著提升，从 GPT-3 最先就是一个很好的例子。GPT-1 和 GPT-2 泛起时并没有引起太多关注，由于它们逊用的数据量和质量还不敷，而到了 GPT-3，训练数据的数目级提升了好几个条理，才带来了质变。

这是第一个阶段，训练阶段，大宗高质量数据决议了模子的能力。第二阶段是落地应用阶段，也就是谭总提到的，大部分企业并不会再去自己训练模子，而是基于已有的大模子举行应用。无论是开源模子的私有安排，照旧挪用已有模子的效劳接口，要害在于怎样将企业自己的数据与模子连系。

完成了第一阶段的大模子就像是刚结业的大学生，拥有通用能力，但对企业的营业流程、数据结构一无所知，需要一准时间去顺应、学习。这时间企业的私域数据很是要害。我们通常分为两类数据：一类是文本知识库，泉源于企业内部的文档、资料，用来做知识问答；另一类是结构化数据，也就是数据库或数仓中的营业数据。

以是，我以为训练阶段需要大宗的高质量数据，企业落地应用阶段，也需要把企业私域数据的优势施展出来。企业只有用好自己积累的数据，才华真正让 AI 施展作用，不然无论模子多强，安排也执偾形式，和开源模子没实质区别。

量子位：最后两位嘉宾尚有什么想要增补分享的
？

数势科技谭李：无论是我们今天聊的 Data + AI，照旧其他 AI 应用场景的落地，现在都在如火如荼地推进中。作为从业者，天天都很兴奋。

第一点，我想强调心态：我们应该起劲拥抱 AI。正如我们之前所说，AI agent 会替换一部分人，也会增强一部分人。我们应该起劲成为被增强的那部分。

第二点，对企业来说，最要害的事情是两件：一是把企业内部的私域数据、语义系统真正治理好，才华驱动 AI 飞轮转起来；二是与营业连系，深入挖掘适合落地的 use case，让手艺与营业价值真正融合。

飞轮科技肖康：我以为谭总说得很好。我想强调一点：AI 落地的历程，一定是一个一直探索、一直试错的历程。虽然现在各人都很兴奋，以为这是 AI 的新时代，但真正落地还需要大宗实践，去找到突破点。

在这个历程中，我以为营业清静台的联合共建很是主要。营业方相识营业流程和价值，平台方提供底层手艺支持，包括数据库、AI Agent 能力等。只有双方一直交流互动，平台才华更精准地知足营业需求，手艺能力也才华一直增强。

因此也接待各人多与像数势、SelectDB 这样的数据平台、数据库公司多交流相助，一起把 AI 探索落地，在企业中真正用起来！

游戏亮点

1、富厚多彩的修仙玩法

除了作育学生和建设仙门外，游戏还包括了炼丹、炼器、仙田等多种修仙玩法，让玩家体验到修仙的方方面面。

2、自由建设的仙门地产

玩家可以自由摆放修仙宗门的修建，打造属于自己的修仙家园，创立仙门人的理想天下。

3、细腻细腻的游戏画面

游戏的画面细腻细腻，每一个场景都充满了古典美感，让玩家似乎身临其境，感受到修仙之美。

4、社交互动的兴趣

游戏内置富厚的社交系统，玩家可以与其他玩家组成同盟，配合对抗强敌，体验多人相助的兴趣，增添了游戏的可玩性和意见意义性。

游戏评测

1、游戏玩法富厚，内容深度十足，给玩家带来了极佳的游戏体验。

2、画面细腻，场景设计唯美，让玩家陶醉其中，感受到了修仙天下的奇幻美感。

3、挂机系统的设置知心适用，解放了玩家的双手，让玩家更轻松地享受游戏兴趣。

4、学生个性化塑造突出，每个学生都有自己奇异的故事和特点，增添了游戏的意见意义性和可玩性。

更新日志

v7.994.988733版本

1.1调解问鼎苍穹席位赛的防守阵容设置规则，现在任何时间都可以调解防守阵容

1.2优化天道树意会道果时道果数目缺乏的获取提醒，现在会自动翻开道果宝箱，利便祖师快捷获取

1.3优化新增仙法问道投资运动的购置提醒，现在休赛期购置投资时，若是无法拿满奖励则会有二次确认提醒

1.4修复一连炼制同种丹药时，炼制质料的数目显示异常的过失