GitHub Blog
1. 我们如何构建内部数据分析代理
本文描述了一个内部分析AI代理的实践实现，强调了上下文层的关键作用，对考虑类似工具的数据和工程团队直接有用。 (score: 0.90)
GitHub的数据与分析团队构建了Qubot，一个由Copilot驱动的内部分析代理，让员工能用自然语言提问数据模型相关问题，并在几秒内获得答案。Qubot包含三个主要组件：通过Slack、VS Code和Copilot CLI访问的用户界面；用精选文档丰富Copilot推理的上下文层；以及连接Kusto和Trino的查询引擎。上下文层对准确性和速度至关重要，Qubot减轻了数据团队负担，实现了全公司的自助分析。
- Qubot是一个由Copilot驱动的分析代理，能用自然语言回答关于GitHub数据仓库的问题。
- 它有三个组件：用户界面（Slack、VS Code、CLI）、上下文层（联邦文档）和查询引擎（Kusto和Trino）。
- 上下文层丰富了Copilot的推理，将准确性和速度提升了三倍。
- 评估框架包括测试用例、自动运行和统计聚合，确保质量。
- Qubot减少了数据分析Slack频道中的查询量，使非专家也能自助分析。
- 多种界面降低了门槛：Slack无需配置，VS Code和CLI集成度高。
- 联邦上下文贡献激励团队在单一工具中共享知识。