Agent Space模型适合Level 1～2数据分析任务，原生支持即兴查数与自助取数，Level 3需人工编排，不支持Level 4自动干预；需规范配置数据源连接与业务指标理解规则。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Agent Space模型是否适合数据分析，取决于你具体要解决的是哪一层的数据分析任务——它不是万能的SQL翻译器，也不是全自动归因引擎，而是需要明确任务边界后才能发挥价值的平台型工具。
先确认你的数据分析需求属于哪一层
AI 数据分析 Agent 在2026年已形成四层能力模型：Level 1 是即兴查数，Level 2 是自助取数，Level 3 是多步归因（比如“为什么GMV跌了”），Level 4 是主动监测+自动干预。AgentSpace 原生支持 Level 1 和 Level 2，对 Level 3 有支撑能力但需人工编排，【不原生支持 Level 4 的无人值守触发与闭环执行】。
如果你的任务是“销售总监每天早上看一张包含昨日各渠道转化率、同比变化、TOP3异常门店的表格”，AgentSpace 可以做到；如果是“当某区域转化率连续2小时低于阈值，自动拉群+生成根因简报+推送至区域经理”，这就超出其默认能力范围，需额外集成监控服务与通知链路。
连接数据源的操作路径
第一步：在 AgentSpace UI 中进入「Data Connections」→点击「+ Add Connection」→选择预置连接器（如 Google Sheets、BigQuery、Snowflake、Confluence、Jira）。
第二步：授权 OAuth 或输入 API Key。注意：若连接的是本地部署的 MySQL 或私有 SharePoint，【必须先通过 Google Cloud VPC 配置 Private Google Access 并开通对应端口白名单】，否则连接测试会卡在“Verifying credentials”状态且无错误提示。
第三步：为每个数据源配置字段映射规则。例如将 Jira 中的 “Status” 字段映射为语义标签 “工单阶段”，把 Confluence 页面标题识别为 “知识文档类型”。这一步不能跳过，否则后续自然语言提问时模型无法理解字段含义。
让Agent真正理解业务指标
方法一：用内置 Prompt Library 中的「Business Metrics Interpreter」模板，填入你公司的指标定义文档（PDF/Markdown），系统会自动抽取维度、口径、计算逻辑并生成结构化元数据。
方法二：手动在 Agent Designer 的「Context Rules」中添加三条规则：① 当用户问“完成率”，默认指「Closed / (Opened + Closed)」；② 所有金额类问题必须默认使用「本位币+含税」口径；③ 提到“上周”，严格按 ISO 8601 定义为 Monday-to-Sunday 周期。
方法三：上传一份带注释的样例问答对（CSV格式，含问题、正确SQL、返回字段说明），AgentSpace 会基于此微调检索排序策略——这步操作起来很简单，直接把文件拖进去就行，但仅对 Level 1～2 查询有效，对归因类问题提升有限。
执行一次真实的数据分析任务
① 在聊天界面输入：“对比华东和华南大区上个月新签合同金额，按行业分类，只显示金额超50万的行业。”
② Agent 自动拆解为：识别「华东/华南」为地理维度、「上个月」为时间过滤、「新签合同」为 Jira 工单状态+Confluence 合同库标签、「行业」为 CRM 字段映射项。
③ 系统调用 BigQuery 连接器执行 SQL → 同时从 Confluence 拉取最新合同模板确认「新签」判定逻辑 → 若发现两源口径不一致（如 CRM 记录签约日期，Jira 记录审批完成日），弹出确认卡片：“检测到签约口径差异，是否统一按 CRM 的‘签署日期’为准？”
④ 用户点击“是” → 返回结构化表格结果，并附带数据来源溯源标记（每行右侧小图标显示该行数据来自哪个系统、更新时间戳、字段映射路径）。
