投入持续流向算力与基础设施，能进入决策的数据却没有同步增加。企业缺少可信、即时、可复用的数据使用能力，又该如何补齐？
近日，奇点智能开启线上直播给出了一套解法，围绕「数据先行，铺开企业经营决策的“作战地图”」这一主题，直播从DeciAGI SaaS版产品与技术两个层面展开，现场演示了从提问到看板沉淀的完整链路，落到数据驱动经营上，回答数据如何转化为业务增量。
DeciAGI SaaS版，建立在GrowingIO成熟的数据云与分析云能力原子化为可被Agent调用的Skills与MCP之上，再通过大模型的理解、推理与任务编排，让数据查询从复杂的工具操作，变成一句话就能完成的对话。
本期上线的智能问数Agent，主要落地集中在三项能力：自然语言查数降低门槛，用户只需描述要解决的问题，Agent自动理解指标、事件、时间范围与分析目标，选择分析模型并生成图表；图表支持交互调参，时间、筛选与对比条件在对话中即可修改，不必重新提问，也省去重复调用的等待与消耗；结果可资产化，图表存入看板，明细下载到本地，一次提问沉淀为可反复使用的数据资产。
在直播现场，奇点智能DeciAGI产品负责人光介演示了这条完整链路。以业务主管月初回顾上月业绩为场景演示，过去要拿到上月GMV、按天趋势、转化漏斗与留存情况，需要依赖数据同事的支持；现在只需在DeciAGI对话框里描述需求，智能问数Agent自动识别意图、解析语义并输出对应图表。用户先问上个月GMV，追问按天查看，再问访问浏览到下单各环节的用户转化，最后追问浏览到下单的留存情况，系统结合上下文判断这是对上一问题的补充，重新组织查询条件并执行。
在DeciAGI SaaS版中，用户无需手工挑选模型，只要把问题讲清楚，Agent会自行判断该调用哪种分析模型；模型无法确认意图时，不替用户决定，而是把选择权交还给提问的人。让查询回到提问本身，数据资产随使用持续生长。ogy业务本体支撑的准确性
效率与复用关乎体验，准确性关乎可用。企业级数据AI与通用问答工具的分野正在于此。
DeciAGI用Ontology重新解构业务，把企业数据抽象为主体、关系与客体。业务术语被映射到企业真实的指标与埋点，遵循企业自己定义的指标口径，表达歧义随之减少；提问范式引导用户完整表达时间、对象与分析要求，降低条件遗漏的概率；数据访问被限定在获授权项目与空间内，按当前用户权限约束不同部门与团队的调用范围；语义解析之后形成的结构化查询参数，按规则驱动原子化的数据服务，并接受审查。
在底层，DeciAGI的元数据实时同步到企业私有向量库，保证每一次取数对应的数据都真实存在。企业还可以自定义表达习惯，让智能问数更贴近自身的业务语言，数据权限则基于组织架构隔离，AI 只在用户权限范围内调用数据原子化Tools，并通过MCP访问企业底层数据服务。
DeciAGI SaaS版整体技术架构
DeciAGI SaaS版技术架构由业务能力与通用执行内核两部分组成。交互层承载对话与流式输出、执行过程与结果、澄清与补充输入；资源层管理Agent配置、模型与工具绑定、Skill Package、工具契约与能力目录；运行内核负责目标与记忆、规划与校验、任务编排、验证与交付；执行层提供显式Workflow与Skill Executor，底层由PostgreSQL、Redis、模型服务、业务服务与MCP接口支撑。权限边界、执行快照、调用追踪、Checkpoint与评测证据贯穿整套运行保障机制。
Ontology业务本体把企业的业务口径沉淀为系统可理解、可调用的语义体系，业务人员用自己的话提问，系统都能对应到同一套标准口径，每个数字有据可查，DeciAGI SaaS版的企业级数据可信能力正建立在这一层之上。对企业而言，数据能力由此从少数人的经验，变成一套可被系统调用的业务语义资产，稳定地用进日常经营。
体
沿着可信、快速、可复用这条主线，下一版本会向更垂直的场景延伸，向企业的知识体系沉淀，最终指向一支可分工协作的智能体团队。
先落地的是垂直场景的智能体。围绕企业内部的客户画像分析、基于标签数据的智能圈群、群组分析，都会有对应的Agent陆续上线。在下一个版本，DeciAGI将构建一套企业级知识管理系统，帮助大模型更好地理解企业的业务语言与术语，敬请期
直播Q&A：
往期
