一、产品定位
Agent 模块是 DataBuddy 数据应用层提供的智能体平台，兼顾两类用户：
·开发者 ：通过高代码开发模板（OpenAI / LangChain / LangGraph），灵活定制复杂的企业级 Agent，并与 DataBuddy 数据与 AI 能力联动。
·业务人员/分析人员： 通过智能调优等能力，让业务人员也可以通过反馈提升 Agent 的回答质量
平台为 Agent 提供从创建、开发、调试、部署、运行 到评估、优化、运维 的全链路能力，并以「安全、被治理」的方式调用 DataBuddy 内的数据与 AI 资源。
二、Agent 的两种工作模式
业内通常把 Agent 划分为两类，DataBuddy 都支持：
| 模式 | 说明 | 适用场景 |
| 工作流模式 | 在 Agent 内置预定义的工作流，通过流程编排获得可预期、稳定 的执行结果 | 任务定义清晰、对结果一致性要求高（如固定流程的客服问答） |
| 自主决策模式 | 基于大模型推理动态决定调用什么工具、走什么路径 | 需要灵活性、面对开放式任务（如周报洞察、复杂分析助手） |
实际项目中两种模式经常混合使用：业务推荐「由简到繁」，先以简单 API + Prompt 解决问题，只有需要决策时才上完整 Agent。
三、Agent 平台支持的搭建方式
平台首页（Agent 列表）提供以下搭建入口：
| 类型 | 说明 | 阶段 |
| 高代码开发 Agent — OpenAI 框架 | 以 OpenAI Agents 框架为基础的代码模板 | 已上线 |
| 高代码开发 Agent — LangGraph 框架 | 以 LangChain / LangGraph 框架为基础的代码模板 | 已上线 |
四、Agent 端到端流程
1. 创建 Agent（选择搭建方式 / 模板） │ ▼2. 配置工具与知识库（MCP） │ ▼3. 在 Studio 中开发 │ ▼4. 调试：在 ChatUI 预览体验，查看 Trace │ ▼5. 部署：从 Studio 部署到运行环境 │ ▼6. 运行：通过 ChatUI / API / 被其他 Agent 调用 │ ▼7. 评估与优化：评估器打分、人工反馈、智能调优（ALHF）
五、我的智能体列表
进入 Agent 模块后，列表区会展示当前用户具备使用或管理权限 的智能体（同一主账号下跨工作空间），列表字段：
| 字段 | 说明 |
| Agent 名称 | 创建时填写 |
| Agent 类型 | 自定义代码 Agent |
| Agent 描述 | 创建时填写的描述信息 |
| Owner | Agent 的所有者 |
| 调用端点 | Agent 可被调用的端点名称（App 类型即为 App 名称） |
| 最近更新 | 最近一次更新时间，按从新到旧排序 |
六、配套基础设施
Agent 模块运行依赖以下基础设施，已默认在平台中提供：
| 基础设施 | 作用 |
| MCP 服务列表 | Agent 调用工具的标准协议层，详见 MCP 概述 |
| 模型列表 | 平台托管基础模型，Agent 直接通过模型 ID 调用，无需配置 API Key |
| MLflow 实验 | 承载 Agent 的 Trace、评估器、评估运行、版本，是评估与优化的载体 |
| Studio | Agent 代码的开发与调试环境，详见 Studio 概述 |
| Catalog | 提供 Catalog 函数、Volume、向量索引等可被 Agent 调用的资产 |
| Studio AI 辅助 | 在 Studio 中提供 AI 代码生成、工具发现等辅助能力，提升 Agent 开发效率 |
七、相关文档
·Agent 概述
·创建与管理 Agent
·MCP 概述
·模型列表概述