用AI代理实现数据访问民主化

Snowflake产品总监Jeff Hollan与Ryan共同探讨了数据在提升AI和AI代理能力中的关键作用。他们讨论了数据库如何演进为AI平台、Snowflake的新数据市场，以及数据在AI代理中将扮演的角色。

Snowflake提供了一个完全托管的数据平台，开发者可以在其上构建AI应用。

AI数据平台的核心价值

Jeff Hollan分享了他的个人经历：虽然公共LLM在日常任务中很有用，但在工作场景中，当他询问关于Snowflake客户使用情况、最新客户或使用量下降的客户等问题时，这些通用模型无法提供有意义的答案。

Snowflake致力于让企业能够与AI进行丰富对话，同时融入缺失的关键部分——独特的业务背景，即每个组织数据中的"秘方"。

平台架构与技术组件

向量化查询与RAG

• Snowflake提供Cortex搜索服务，实现快速向量化查找
• 支持检索增强生成（RAG）模式，在适当时机提供相关数据片段
• 相比两年前需要周末时间搭建开源向量数据库，现在只需30秒即可完成数据向量化

可查询数据访问

• 大多数代理AI解决方案仅专注于RAG
• Snowflake构建了生成正确SQL查询的组件，能够查询实时数据（如最近三天的收入）

治理层

• 实施角色访问控制，确保代理不会泄露不应访问的数据
• 提供数据强制执行机制

查询性能与架构创新

Snowflake的核心创新是存储与计算分离的云原生架构：

• 传统数据库需要同时扩展存储和计算
• Snowflake利用AWS S3和EC2等独立资源，提供极大的扩展灵活性
• 可以根据查询需求灵活配置计算资源

数据市场与生态系统

Snowflake数据市场让用户能够轻松添加外部数据源：

• Stack Overflow数据现已通过Snowflake市场提供
• 任何用户都可以访问所有帖子、评论和Wiki数据
• 这种合作模式既让数据消费者受益，也保护了数据提供者社区

AI代理的工作流程与信任构建

准确性提升策略：

• 尽可能基于真实数据生成答案
• 提供答案来源和置信度指标
• 在代理模式中，99%的情况下代理首先会查找可用数据，而不是直接生成答案

企业级考虑：

• 收购TruEra等公司，专注于代理质量和可观测性
• 支持MCP（模型上下文协议）和代理到代理协议
• 当扩展到数千名员工时，准确性、信任度和合规性变得至关重要

未来发展方向

自主代理：

• 当前代理主要是交互式的，未来将更多在后台自主运行
• 需要解决组织上下文理解的问题

组织语义理解：

• 代理需要理解组织运作方式和独特流程
• 在数据世界中称为"语义视图"
• 这是实现更高级自主性的关键挑战

实践建议

Jeff Hollan建议开发者亲自尝试AI技术：

• 从个人生活到工作场景的各种应用
• 了解技术的优势和局限性
• 通过实际使用发现AI的适用场景

AI技术将在未来十年显著改变工作方式，虽然它不是完美的魔法技术，但确实能够带来真正的生产力提升。