选择和配置智能体

智能体通过职责说明、提示词和可用工具限定 Dora 的工作方式。用户可以选择开箱即用的内建智能体，也可以创建自定义智能体，把提示词和工具组合固化为特定场景的专业助手。

自定义智能体配置

配置项	要求
名称	智能体的唯一名称，最多 20 个字符，便于识别和管理
提示词	定义智能体的角色、职责和行为规范，最多 10000 个字符
工具选择	选择该智能体可用的 MCP 工具，包括内置工具和外部 MCP 服务提供的工具

提示词应写清职责范围、操作限制和完成条件，例如“先分析还是直接修改”“一次最多处理多少对象”“哪些操作必须等待确认”。不要把访问凭据、个人信息或临时项目数据写入智能体配置。

在 Dora 工具栏单击智能体选择器按钮，从列表中快速切换。切换后先查看该智能体的用途和可用工具，再开始对话；不同智能体专注不同建模场景，例如数据标准落标、SQL 生成、模型优化。可以为不同业务领域或团队创建专属智能体，实现个性化的建模助手。

平台内建了一组面向数据治理核心场景的智能体，以下逐一说明。

项目	说明
目标	设计概念、逻辑和应用模型时自动遵循企业数据标准，减少理解偏差，提升模型一致性与可治理性
核心能力	字段创建前自动查询并匹配数据标准；多个候选时按语义匹配度和治理级别优选；自动继承标准的英文名、中文名、类型、长度、精度和非空约束；无标准可用时规范完成命名、定义与类型补充
使用方式	以自然语言描述建模意图，智能体给出字段与结构设计建议，确认后直接写入模型
典型价值	将“数据标准优先”内嵌到建模全过程，降低对资深建模专家的依赖，提升模型复用能力

项目	说明
目标	辅助完成数仓建设从需求理解、模型探查到 SQL 生成与验证的全过程
核心能力	自动识别模型绑定的数据库类型并生成匹配语法；遵循 ODS/DWD/DWS/ADS 分层规范；自上而下数据探源并优先复用已有模型；通过数据查询真实执行验证 SQL；验证通过后才写入文件
使用方式	提出分析或建模需求后，智能体结合当前模型结构设计分析路径，生成或更新对应 SQL 文件
典型价值	降低数仓结构性错误，减少 SQL 反复调试成本，保证分析需求与模型结构一致

项目	说明
目标	基于已验证的真实数据结果，生成面向管理决策的洞察报告
核心能力	严格基于 SQL 执行结果分析，不引入外部假设；自动提炼关键发现、趋势与结构特征；识别异常与潜在风险；按固定结构生成可直接使用的 HTML 洞察报告
使用方式	SQL 执行完成后，将查询结果作为输入，智能体自动生成完整分析报告页面
典型价值	缩短从“有数据”到“有结论”的链路，减少报告对个人经验的依赖

项目	说明
目标	将业务提出的自然语言数据需求，转化为可落地的数据来源分析与建表逻辑
核心能力	按数仓分层顺序扫描已有模型实体；识别与需求匹配的表和字段组合；判断需求适合落地的层级，避免层级错位；自动生成新表结构及建表 SQL 逻辑
使用方式	描述业务分析目标后，智能体自动完成探源分析，输出建表或查询逻辑脚本
典型价值	将“找数据”从依赖个人经验转为系统能力，提高需求响应效率，减少冗余和影子表

项目	说明
目标	模型变更时系统评估变更质量与影响范围，降低模型演进风险
核心能力	自动识别变更涉及的实体与字段范围；按对象类型统计增删改数量；评估模型完备度（逻辑名称缺失）；计算落标率并识别应落未落字段；结合血缘与影响分析识别下游影响
使用方式	在模型变更提交或评审阶段触发智能体，自动生成结构化评审结果
典型价值	将评审从经验判断转为指标驱动，提前识别影响，支撑模型规范化演进

项目	说明
目标	在模型层面快速完成数据资产基础治理，为资产目录与运营管理奠定基础
核心能力	自动补全实体与字段的逻辑名称；对实体进行数据用途分类（主数据、交易数据、其他）；对字段进行分类分级（L1–L4）；自动抽象一级、二级主题域并完成实体归属
使用方式	选定模型后运行智能体，一次性生成资产盘点结果并写入模型属性
典型价值	降低资产盘点人力投入，提升治理一致性，为数据安全与共享提供结构化基础

内建智能体提供的是任务方法和工具组合，不代表结果自动通过评审。批量写入前先查看样例，确认分类口径符合组织规范；执行结果必须在模型树、画布和变更记录中核对。相关页面：使用数据标准、知识库和附件。