
> 关键词：企业 AI 落地、Agent 编排、AI 数据识别、一键部署、StatsExecutor、通知双通道
> 本文基于真实操作案例，数据源 `销售产品数据 (e_commerce)`。

## 目录

1. 需求背景：企业缺的不是数据，是"能自动跑的应用"
2. 全流程一览（7 步）
3. 步骤 1：触发 AI 数据识别
4. 步骤 2：AI 推荐应用模板（含匹配度）
5. 步骤 3-4：一键部署与成功反馈
6. 步骤 5：应用详情自动就绪（7 节点拓扑）
7. 步骤 6：Agent 编排器微调
8. 步骤 7：调度、通知、指标全量配置
9. 技术原理：AI 编译引擎与执行引擎
10. 通知系统：双通道架构与收件人合并
11. 效果对比与常见问题

---

## 1. 需求背景

传统从数据到应用的路径：需求评审 → 数据建模 → 前后端开发 → 联调 → 上线，至少周级。

AI 灵枢的做法：**从已接入的数据源出发，AI 自动读懂业务表结构 → 推荐可运行模板 → 一键部署到 Agent 应用工厂 → 编排微调 → 上线运行**。全流程零代码。

---

## 2. 全流程一览

| # | 步骤 | 所在页面 | 关键动作 |
|---|-----|---------|---------|
| 1 | 触发 AI 数据识别 | 资源管理 → 数据源 | 点击行内 ✨ 图标 |
| 2 | 查看模板推荐结果 | AI 数据识别弹框 | 阅读匹配度 & 涉及表 |
| 3 | 部署到应用工厂 | 部署确认弹框 | 命名应用、选择归属目录 |
| 4 | 部署成功反馈 | AI 数据识别弹框 | 「查看应用」直达详情 |
| 5 | 应用详情自动就绪 | Agent 应用工厂 → 应用详情 | 拓扑、数据源、调度、通知自动绑定 |
| 6 | 编排微调（可选） | Agent 编排器 | 双击节点编辑任务、右侧调优提示词 |
| 7 | 全量配置生效 | 应用详情（完善态） | 调度、通知、统计指标全部就绪 |

案例数据源：示例数据源/e_commerce`，自动识别所有表结构，后进行AI业务分析，将数据进行筛选出有价值的数据进行分析。

---

## 3. 步骤 1：触发 AI 数据识别

**操作路径**：左侧菜单「资源管理 → 数据源」→ 目标数据源所在行 → 点击 **✨ 图标**。

![image1.png](https://developer.qcloudimg.com/http-save/yehe-12737513/638b352d6e7e8cb8874df5a0c7b60e01.png)

**技术要点**：

- **多类型数据源统一入口**：PostgreSQL、MySQL、MongoDB、REST API 均在同一列表管理
- **异步任务 + 进度轮询**：弹框显示 `AI analyzing data patterns…`，前端每 **2s** 拉取 `discovery/progress` 接口，避免长连接阻塞
- **零配置启动**：复用数据源已保存的连接串，不重复填表单
- **连通性预校验**：触发前检查 `状态: active` + `最后测试时间`，未通过测试的数据源先做健康检查

---

## 4. 步骤 2：AI 推荐应用模板（含匹配度）

![image2.png](https://developer.qcloudimg.com/http-save/yehe-12737513/5761d51c18001423d9403ff9af049cde.png)

识别结果命中 4 个业务模板：

| 推荐模板 | 匹配度 | 涉及表 | 场景 |
|---------|-------|--------|-----|
| 订单数据日报 | **92%** | orders、customers | 自动汇总订单，趋势分析与异常预警 |
| 客户分层运营 | 85% | customers、orders | 基于行为数据自动分层，生成营销策略 |
| 库存预警通知 | 90% | inventory | 监控水位、低于阈值补货建议 |
| 智能日志分析 | 78% | — | 日志/文本异常识别 |

**技术要点**：

- **表结构 + 采样数据双通道识别**：AI 读取 schema（列名、类型、注释、主外键、行数），再抽样真实数据推断业务语义（如 `order_count > 1` → 复购）
- **匹配度评分可解释**：反映"数据特征 → 模板所需能力"的覆盖度
- **模板自带完整拓扑**：每个推荐都是可直接运行的 Agent（节点、边、Prompt、调度建议、通知节点）
- **支持忽略**：不合适的模板可 dismiss，二次进入不再展示
- **多模板并行部署**：同一数据源可为不同业务角色各生成入口

---

## 5. 步骤 3-4：一键部署与成功反馈

![image3.png](https://developer.qcloudimg.com/http-save/yehe-12737513/2ea06ce68509a2b64821615b1df8185c.png)

**弹框字段**：

- 应用名称：预填模板中文名（如 `客户分层运营`），可改
- 部署到 Agent 应用工厂：树形下拉，选择菜单目录（示例 `└ 用户分析`）
- 按钮：取消 / 🚀 确认部署

**技术要点**：

- 应用**一步落位到菜单树**，部署完成即刻出现在侧边栏
- 目录不存在可现场新建
- 内部自动写入 `nameZh / nameEn / menuNameZh / menuNameEn`，支持双语切换
- 部署动作受 JWT 上下文约束，写入 `tenant_id`，**跨租户不可见**

![image4.png](https://developer.qcloudimg.com/http-save/yehe-12737513/a4b2140e90e78307edb860d42ccbcd46.png)

成功后绿色横幅提示：

> ✅ 部署成功
> 「客户分层运营」应用已部署到 Agent 应用工厂「用户分析」
> **[ 查看应用 ]**

零跳转确认，不刷新页面；`查看应用` 直跳 `/apps?id=<agentId>`；模板回写为「已部署」，避免重复创建。

---

## 6. 步骤 5：应用详情自动就绪

![image5.png](https://developer.qcloudimg.com/http-save/yehe-12737513/04b677edb14812d20563caa3b137c6dc.png)

**页面内容**：

- 头部卡片：`客户分层运营` + 状态徽标（未发布）+ 描述 + `👁 查看编排拓扑` / `🚀 发布`
- Tab 导航：应用说明 / 数据分析 / 数据列表 / 统计概览，右上角近 30 天筛选
- **应用拓扑图（7 节点）**：定时调度 → 数据查询 → 数据预处理 → 特征提取 → AI 深度分析 → 通知推送 → 输出
- 右侧配置概览：数据源（postgres `e_commerce` + `customers / orders`）、调度规则、输出通道

**技术要点**：

- **部署即配置完成 80%**：数据源、拓扑节点、默认调度、Prompt 全部从模板继承
- **拓扑图与编排器双向一致**：详情只读预览，编辑器保存后刷新即同步
- **发布状态可见可控**：未发布时黄条提示，避免误认为已上线
- **权限与生命周期解耦**：草稿仅内部可编辑，发布后写入侧边栏并注册调度任务

---

## 7. 步骤 6：Agent 编排器微调

![image6.png](https://developer.qcloudimg.com/http-save/yehe-12737513/92d08f85005c4fbcbcc81c9c909582dd.png)

**三区布局**：

- **左：节点面板** — 编辑模式（Supervisor / ReAct / DAG / 并行 / AI 分析）· 流程控制（条件 / 循环 / 人工审批 / 通知 / 定时 / 输出 / 结束）· 数据节点（数据库查询 / 数据清洗 / 数据聚合 …）
- **中：画布** — ReactFlow 拖拽连线，双击节点打开配置面板
- **右：上下文面板** — 统一模型 · 数据库资源 · 知识库资源 · 拓扑流程提示词 · 关联技能 · 知识库 · 安全护栏

**技术要点**：

- **5 种编排模式自由切换**：Supervisor / ReAct Agent / DAG 工作流 / 并行 / AI 分析
- **拓扑自动生成流程提示词**：实时从节点/边推导，可手动微调后 `AI 优化`
- **节点级双击编辑**：每个节点独立配置数据源/表/清洗规则/Prompt/通知渠道
- **安全护栏默认可用**：提示注入防护 / PII 输出过滤 / LLM06 权限控制 / 成本预警 (¥500/日)
- **保存 / 部署 分离**：`💾 保存` 只落库拓扑，`▶ 部署` 才同步运行时，灰度调试不误触发生产

---

## 8. 步骤 7：调度、通知、指标全量配置

![image7.png](https://developer.qcloudimg.com/http-save/yehe-12737513/7242830148134a818aa6dbce0ecea4b7.png)

### 8.1 调度配置

- 触发：1 个 → `定时 0 9 * * *`
- 面板显示：`每天 9:00 · 定时 · 0 9 * * * · Asia/Shanghai · 🟢 运行`
- 支持预设（每天 9:00 / 每周一 / 每月 1 号 / 每小时 / 每 5 分钟）+ 自定义 cron，前端严格校验 5 段表达式

### 8.2 输出通道（通知）

- 通道 = `自测邮箱通知 (email)`
- 触发 = `始终通知`
- 补充接收人（合并去重）
- 模板变量：`{{agent_name}} {{status}}`

### 8.3 统计指标（AI 增强）

| 指标 | Key | 类型 | SQL |
|------|-----|------|-----|
| 总客户数 | `total_customers` | number | `SELECT COUNT(*) FROM customers` |
| 活跃客户数 | `active_customers` | number | `SELECT COUNT(DISTINCT c.id) FROM customers c JOIN orders o ON o.customer_id = c.id WHERE …` |
| 复购率 | `repeat_rate` | percent | `SELECT ROUND(COUNT(CASE WHEN order_count > 1 THEN 1 END)::numeric / NULLIF(COUNT(*), 0) * …` |

指标 SQL 由 AI 结合拓扑 + schema 自动生成，支持新增 / 编辑 / 试跑。

---

## 9. 技术原理：AI 编译引擎与执行引擎

### 9.1 AI 编译规则（6 条硬性约束）

1. 节点顺序必须与业务步骤一一对应，通过 edges 连线表达
2. 需求提到**通知/推送/发送** → 必须包含 `notification` 节点
3. 需求提到**审批/审核/人工确认** → 必须包含 `hitl` 节点
4. 涉及**数据库查询或定时任务** → 必须包含 `schedule` 节点作为流程起点
5. 每个拓扑**有且只有一个** `output` 节点作为终点
6. 不同需求必须生成**不同的拓扑结构**，禁止模板化

### 9.2 三个典型拓扑示例

**示例一：销售日报自动统计 + 通知**

需求：`每天早上 9 点统计昨日销售数据，分析异常订单，超标时通知我`

![topology-example-1-sales-report.png](https://developer.qcloudimg.com/http-save/yehe-12737513/8a70dc1798ef98711697a996981560c5.png)

```json
{
  "nodes": [
    { "id": "n1", "type": "schedule",       "label": "定时调度",  "config": { "cronExpression": "0 9 * * *" } },
    { "id": "n2", "type": "database",       "label": "数据库查询", "config": { "query": "SELECT date, SUM(amount)..." } },
    { "id": "n3", "type": "data_clean",     "label": "数据清洗",  "config": { "actions": ["remove_null", "dedup"] } },
    { "id": "n4", "type": "data_aggregate", "label": "数据聚合",  "config": { "groupBy": "category", "aggregations": ["SUM", "AVG"] } },
    { "id": "n5", "type": "llm_analysis",   "label": "AI 分析",   "config": { "prompt": "分析销售数据中的异常波动..." } },
    { "id": "n6", "type": "notification",   "label": "通知推送",  "config": { "channelType": "wechat_work", "contacts": ["销售主管"] } },
    { "id": "n7", "type": "output",         "label": "输出结果",  "config": { "outputFormat": "report" } }
  ],
  "edges": [
    { "source": "n1", "target": "n2" }, { "source": "n2", "target": "n3" },
    { "source": "n3", "target": "n4" }, { "source": "n4", "target": "n5" },
    { "source": "n5", "target": "n6" }, { "source": "n5", "target": "n7" }
  ]
}
```

**示例二：Supervisor 多路并行**

需求：`从数据库和知识库两路查询，综合分析后输出报告`
![topology-example-2-supervisor-fanout.png](https://developer.qcloudimg.com/http-save/yehe-12737513/b1ef010ce5c92ad41ac5a02aae32b96c.png)

**示例三：含人工审批**

需求：`统计月度费用，超标需主管审批后通知财务`

![topology-example-3-hitl-workflow.png](https://developer.qcloudimg.com/http-save/yehe-12737513/8e9c1581ccd84be3b994c662af289b4e.png)

### 9.3 StatsExecutor 执行流程（9 步）

```
1. 解析 Agent 的 nodes/edges 拓扑
2. 提取 schedule 节点 → 注册 Cron 定时任务
3. 提取 database 节点 → 连接数据源执行 SQL（支持 {{time_filter}} 占位符）
4. 提取 data_clean 节点 → 执行数据清洗动作
5. 提取 data_aggregate 节点 → 按维度聚合指标
6. 提取 llm_analysis 节点 → 注入拓扑要求到提示词，调用 LLM 分析
7. 持久化结果到 AgentStats + StatsExecution（支持历史回看）
8. 提取 notification 节点 → 按通道配置发送通知
9. 匹配 notification_rules → 按规则触发条件发送通知
```

**拓扑提示词注入**：

- `database` 节点的 `config.query` → 「数据查询要求」
- `llm_analysis` 节点的 `config.prompt` → 「分析要求」
- `data_aggregate` 节点的 `config.groupBy` → 「聚合维度要求」

确保 AI 分析严格遵循用户在拓扑中定义的业务要求。

---

## 10. 通知系统：双通道架构

### 10.1 双通道触发

1. **拓扑节点通知**：拓扑中的 `notification` 节点，按节点配置直接发送
2. **通知规则通知**：通过 `notification_rules` 配置，按 `triggerOn`（success / failure / always）自动发送

两者互不干扰、可同时生效。

### 10.2 支持的通道

| 通道类型 | 标识 | 配置项 |
|----------|------|--------|
| 企业微信 | `wechat_work` | `webhook_url` |
| 钉钉 | `dingtalk` | `webhook_url` |
| 邮件 | `email` | `smtp_host`, `smtp_port`, `smtp_user`, `smtp_pass`, `smtp_from`, `recipients` |
| Webhook | `webhook` | `url` |

分类：`default` / `ops` / `alert` / `report`

### 10.3 收件人合并策略

**规则级收件人优先，为空时回退到通道级，最后合并去重。**

```
规则级收件人（rule.recipients）
        ↓ 是否为空？
   是 → 通道级收件人    否 → 规则级收件人
        └──── 合并去重 → 最终发送
```

### 10.4 数据模型

```sql
CREATE TABLE notification_channels (
    id              BIGSERIAL PRIMARY KEY,
    tenant_id       BIGINT NOT NULL,
    name            VARCHAR(200) NOT NULL,
    channel_type    VARCHAR(30) NOT NULL,    -- wechat_work / dingtalk / email / webhook
    category        VARCHAR(50) NOT NULL DEFAULT 'default',
    config          JSONB NOT NULL DEFAULT '{}',
    status          VARCHAR(20) NOT NULL DEFAULT 'active',
    last_tested_at  BIGINT,
    ...
);

CREATE TABLE notification_rules (
    id                BIGSERIAL PRIMARY KEY,
    tenant_id         BIGINT NOT NULL,
    agent_id          BIGINT NOT NULL,
    channel_id        BIGINT NOT NULL,
    trigger_on        VARCHAR(20) NOT NULL DEFAULT 'always',
    message_template  TEXT,
    recipients        JSONB NOT NULL DEFAULT '[]',
    status            VARCHAR(20) NOT NULL DEFAULT 'active',
    ...
);
```

### 10.5 典型场景

- **销售异常告警**：企业微信运维群 + `triggerOn = "failure"`
- **日报自动推送**：邮件发管理层（`success`）+ 拓扑 notification 节点发钉钉群
- **审批后通知**：数据查询 → AI 分析 → 人工审批 → 通知推送

---

## 11. 效果对比与常见问题

### 11.1 效果对比

| 维度 | 传统做法 | AI 灵枢 |
|-----|---------|--------|
| 从数据源到应用 | 需求评审 → 数据建模 → 开发 → 联调 → 上线（周级） | **点击 → 选模板 → 部署（分钟级）** |
| 拓扑搭建 | 拖节点、连线、写 SQL、写 Prompt | **AI 一次生成 7 节点完整拓扑** |
| 调度/通知 | 手写 Cron + 独立开发告警链路 | **面板化配置，双通道** |
| 业务指标 | BI 工具重建模 | **AI 自动生成 SQL 指标** |
| 二次微调 | 提交需求工单 | **双击节点即改，保存/部署解耦** |
| 安全合规 | 依赖工程规范 | **护栏内置** |

### 11.2 FAQ

**Q1：识别出的模板不够贴切？**
A：点击「忽略」隐藏；或部署后自定义；或用「描述需求，AI 生成应用」的自然语言入口。

**Q2：部署后发现数据源选错表？**
A：进入编排器 → 双击 `数据查询` 节点 → 修改 `tables / query` → 保存并部署。

**Q3：调度未触发执行？**
A：检查 `调度规则` 面板状态徽标；后端 `CronScheduler` 每 60 秒扫描 `next_run_at`，需 `cronExpression` 合法 5 段且 `status=active`。

**Q4：通知能同时发企微和邮件吗？**
A：可以。`+ 添加规则` 选不同 channel，规则级与通道级收件人自动合并去重。

**Q5：AI 生成的指标 SQL 不准确？**
A：点指标编辑按钮手工修正；或调整 `数据清洗 / 数据聚合` 配置后重新 `✨ AI 增强`。

---

## 总结

本案例涉及的产品能力：数据源管理 · AI 数据识别 · 模板推荐（含匹配度）· 一键部署 · 菜单挂载 · 可视化编排器（14 类节点）· 调度中心 · 通知中心 · 统计指标 AI 增强 · 安全护栏 · 多租户与双语。
- 定位：AI 智能体编排


关键词：企业 AI 落地、Agent 编排、AI 数据识别、一键部署、StatsExecutor、通知双通道 本文基于真实操作案例，数据源 销售产品数据 (e_commerce)。

数据挖掘-零代码构建 AI Agent应用

企业 AI 落地,数据价值挖掘，Agent应用编排及AI 数据识别的实战落地

云计算

AI灵枢通过7步零代码流程，实现企业数据源到AI应用的分钟级部署。AI自动识别业务表结构并推荐高匹配度模板，一键生成含调度、通知、指标的7节点拓扑，支持Agent编排器微调与双通道通知。基于真实e_commerce案例，展示从数据识别到上线运行的全流程技术实现。

数据预处理

代码解释

日志分析

数据建模

数据分析

数据清洗

安全合规

PostgreSQL

数据库

智能体

MongoDB

Agent

MySQL

2026上云采购 | AI焕新·智启新局

腾讯云BI特惠9.9元起！


lexiang

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

数据挖掘-零代码构建 AI Agent应用-腾讯云开发者社区-腾讯云

数据挖掘-零代码构建 AI Agent应用

数据挖掘-零代码构建 AI Agent应用

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐