从数据整合到决策提效：
B站数据知识库与增强分
析协同的端到端实践
演讲人：胡天伟
从RAG原型到智能体协同决策的演进
工程化实践中的系统挑战与突破创新
全场景数据工作流重构：AI提效规模化落地
下一代AI与数据融合布局展望
从RAG原型到智能体协同决
策的全栈升级
01
第一章节
早期痛点与技术选型
02
01RAG架构选择原因03
数据平台凭借天然的数据接入优势，
数据分散与知识检索低效初期成果
成为解决这一痛点的关键角色。
作为传统的数据平台，平台内各种数检索准确率显著提升，效率大幅提高，
RAG架构能够对数据有效整合，并
据、知识分散，不仅找表、取数用数为后续平台的发展和AI场景化提效奠
提供检索与生成能力，适配企业知识
效率低下，知识检索效率也不高，难定基础。
管理与问答需求。
以满足企业内部快速获取知识的需求。
利用数据平台先天优势，知识库接入
早期采用开源框架llamaIndex，配
并且在这个提效越来越被重视的AI时几十种不同的数据源，接入知识库数
合B站自研的Index大模型，构建知
代，有一套快速检索数据解决问题的量300+。
识库平台，实现企业微信对话机器人
能力尤为重要。
的一键发布。
早期痛点与技术选型
引入Agent的驱动力
从检索到决策的转变技术突破与流程优化
仅靠检索无法满足复杂业务决策、落实现基于MCP协议的动态工作流编排
地需求，引入Agent成为必然选择。能力，可根据业务需求灵活调整工作
Agent能够基于检索结果进行深度分流程。Agent在不同场景下的工作流
析与决策，提升业务智能化水平。典型应用场景剖析程定向开发与优化，也解决了以往开
在SQL生成、多维归因、稿件智能研发效率低下的痛点。
判等场景中，Agent发挥关键作用，
大大提升工具的智能化水平。
智能数据客服、数据开发与查询智能
诊断等场景，充分展现Agent的强大
功能，改变了重人力运营的困境。
端到端AI解决方案