01
会话式编排
每段对话独占一层,通过组合 fetch / add / filter / aggregate / visualize 等 op 产出结果。用 REF 引用上游提交,从任意提交分支以尝试方案,而不丢失原版。
01 / 产品
把问题转化为受治理 Iceberg 层的工作空间。
Lanikaia 是面向现代数据团队的会话式 AI 平台。领域专家、分析师、工程师、研究者共用同一项目、构建同一管道,以各自角色偏好的语言阅读同一组产物。
02 / 它如何运转
工作单位,是构建一层的一段对话。
对一个层开启一段对话。用日常语言提问。智能体生成在 Polaris 管理的 Iceberg 上运行的 Python,写出结果,并解释它做了什么。
每段对话保留草稿与一连串 提交。从某次提交分支以尝试不同聚合。当某个版本是你想发布的版本时,把它晋升为工作流。
- 01ingest本地文件、HTTP、dbt SL、SAP、BO
- 02foundation已清洗、已类型化、模式稳定
- 03enriched已联合、已派生、已维度化
- 04aggregategroup-by、按日 / 按月汇总
- 05cum时间序列累计指标
- 06join跨域合成
- 07rolling窗口 / 滞后特征
- 08metricsdbt 语义层 / OSI 公开面
- 09analyze统计与探索性分析
- 10testing假设检验、验证
- 11predictML / 分类、回归、时间序列
- 12optimize搜索、情景、what-if
- 13visualizePlotly + ECharts 图表与仪表盘
- 14workflow晋升、调度、监控
03 / 谁在使用
对同一个项目的四种视角。
领域专家
用自己的语言提问。并排阅读说明、图表与底层数字。无需学习 SQL 即可决策。
分析师 / BI
在对话中组装中间表,分支不同方案,固定有效的版本。每次提交都是可复现的产物,而非一次性产出。
数据工程师 / SRE
把对话晋升为工作流。检查层、血缘与代码。按层在 5 分钟内诊断坏掉的管道,而不是 5 小时。
研究者 / 数据科学家
在持有输入表的同一对话中迭代模型。使用 Polars、scikit-learn、LightGBM、statsmodels、UMAP。每次运行都被版本化。
04 / 能做什么
六项能力,无装饰。
02
对话之下是真实的 Python
智能体生成在 Polaris 管理的 Iceberg 表上运行的 Python。产出是可审计的代码与版本化的表,而非截图。
03
一个项目,四种视角
领域专家读散文。分析师读表。工程师读代码与血缘。研究者读笔记本。同一项目、同一组产物的四种视角。
04
发布为 API 或 MCP
把数据集或函数晋升为版本化的 HTTP API,或 MCP 服务器。其他智能体或应用可以不经 UI 直接消费结果。
05
默认受治理
Polaris 目录限定每个项目的范围。身份与权限来自你的 IdP。读、写、授权全部进入审计日志。
06
无损中间数据
每个中间表都是 Iceberg 快照,而不是 CSV。模式变化不会悄悄破坏下游。时间旅行与血缘是一等公民。
05 / 下一步