最近一年我体验了很多 Agent 项目，几乎都是面向个人的，也在各论坛中发现，大多数 Agent 很难在企业中成功落地。我花了好些时间，去琢磨这个中原因，也发现了些“真相”，Agent 正在从 Prompt System 进化到了 Engineering System ，作为以前在底层软件的贡献多年的古法编程者，很想挑战下是否可以搭建一个能够企业落地的 Agent 。
所以我与朋友们，最近做了一段时间的整理和调研，爆肝了一个面向 Data 的 Agent ，是一个在有语义、有权限、有证据链的数据任务系统里，让「自然语言问数」升级成可控、可信、可验证的 DataAgent 。
大家可以点击下面的链接来体验！欢迎提 issue ！如果喜欢的话麻烦点点 Star 支持我们！
Github 主页:
https://github.com/datagallery-lab/datafoundry
Docs:
https://datagallery-lab.github.io/datafoundry/zh/overview/
这个项目我们的定位很直接，做一个面向企业级的 DataAgent 。主要有几个核心能力作为支撑：
我们总结了与 Coding Agent 以及之前的 SQL Chatbot 的一些区别，供佬们参考：
[td][/td]
[td]工作对象[/td]
[td]核心风险[/td]
[td]产出[/td]
Coding agent
代码仓、测试、PR
改错代码
patch 、commit 、PR
SQL chatbot
prompt 、SQL 、回答
猜错表、越权、凭据泄漏、不可复盘
一段 SQL 或一段回答
DataFoundry
数据源、文件、知识库、工具、任务状态
生产数据边界、业务口径、审计证据
可回放的数据任务 + SQL 审计 + 表格 / 图表 / 报告
当前的版本是 v0.1 ，还有很多需要补齐的能力，面向企业语义和系统可靠性的关键能力正在快马加鞭上架，非常欢迎佬们一起加入我们的社区，给出建议，一起交流学习，构建可商业落地的 DataAgent ！一直很相信，这一块有无限可能！
