企业级AI Agent如何落地？镜舟MIP实践

　　企业级 AI Agent 要完成一次经营分析，往往需要读取业务表、文档和图片，理解销售额、取消率等指标定义，再将结果整理成可核查的报告。数据分散、口径不统一、知识需要反复整理，都会增加 Agent 的搭建和维护工作。

　　2026 年 10 月 20 日，镜舟科技发布 MIP（MirrorShip Intelligence Platform），定位为极速统一的企业级 AI 数据平台。镜舟科技产品负责人董颖婷在演讲中，通过售后图片检索、活动预算计算和零售经营分析，展示了数据、业务语义与 Agent 如何协同完成任务。

　　企业级 AI Agent 的三层底座

　　MIP 以数据库为核心，将统一数据访问、业务定义和 Agent 运行组织为三层共享能力。

　　MirrorData：统一数据底座。 由基于 StarRocks 的实时分析引擎 MirrorBase 与开放湖仓存储 MirrorLake 支撑，提供查询、检索和多模态分析能力，服务 BI、数据应用和 Agent。

　　MirrorMind：企业级语义层。 通过 Semantic View 定义指标、维度、表间关系和计算规则，通过 Knowledge Context 补充业务规则、资料来源和分析方法，供多个 Agent 复用。

　　MirrorPilot：语义层驱动的 Data Agent。 负责组织上下文、查询和工具调用，管理会话与任务状态，将分析结果交付给业务用户，也支持通过 API 接入已有应用。

　　MirrorControl 贯穿三层，提供治理、安全、权限和运维支撑。经营分析、售后诊断、商品选型等应用，可以使用同一套数据与知识基础。

　　从一张售后照片到 SQL 关联分析

　　企业处理售后问题时，常需要把图片中的破损情况与订单、物流和退款记录联系起来。单独找到相似图片，还不足以支撑后续调查。

　　在演示中，用户上传一张屏幕破损照片，寻找近期破损形态相似的售后记录。系统先将参考照片转换成查询向量，再将其作为参数传给 SQL。查询同时组合图片相似度、时间、品类以及“开箱／拆箱”等文本条件，并关联售后单和订单明细，补充批次、承运商与退款信息。

　　这里的“一条 SQL”指查询阶段，不包含前置的图片向量生成。检索得到的业务记录可以继续参与关联、聚合和分析，为核查问题集中在哪些批次或运输环节提供依据。

　　MirrorData 支持统一访问内表与 Paimon、Iceberg、Hive 等湖表。原始图片、文档和音视频可以保留在对象存储中，按需解析后，将文件引用、提取的文本和向量与业务字段关联，减少为单个 Agent 另建数据链路的重复工作。

　　SQL 能执行，业务口径仍需明确

　　数据可查询之后，Agent 还需要知道应该怎样计算。以“公司的活动预算是多少”为例，演示中的底表有四个金额字段。没有 Semantic View 时，Agent 将这些字段一起求和，得到约 2,916 万元，不相关金额也进入了结果。

　　在 Semantic View 中，“活动总预算”已经对应到明确的计算表达式 SUM(bbbb_amount)。Agent 读取定义后，选择指定字段求和，得到 198 万元。最终执行的仍是底表 SQL，语义定义为字段选择和指标计算提供了业务依据。

　　这组对照说明，查询语句能运行，并不等于计算符合业务定义。Semantic View 将业务名称、指标公式、维度和表间关系集中维护，用户可以结合定义与执行 SQL 核查结果。

　　同样的边界也存在于零售分析中。一笔订单可能包含多条商品明细，订单数和销售额的统计粒度不同。演示中的销售额统计已支付订单的折后实收金额，取消率则按“取消订单数 ÷ 全部订单数”计算。

　　业务上下文还包括例外规则、政策资料和分析流程。MirrorMind 借鉴 Git 的管理方式，支持分支、版本回溯和快照；修改经过验证与业务确认后，再供后续任务使用。多个 Agent 因而可以复用共同的定义和知识，减少各自维护造成的偏差。

　　从零售查询到可核查的分析报告

　　在脱敏的零售经营分析示例中，配置首先限定 Agent 的数据范围、Semantic View 和知识库，再设置角色、回答规则与 Skill，例如异常分析的下钻步骤和报告格式。

　　用户先用自然语言要求按渠道拆分销售额，Agent 返回各渠道结果、图表及原始 SQL。用户可以检查指标、时间范围和计算口径，再继续追问取消率是否异常、哪些部门或商品需要进一步分析。

　　对于“取消率为什么升高”，Agent 按企业已有的分析方法，检查品类、品牌和商品，并检索仓储事件及库存记录。MirrorMind 提供相关规则与方法，MirrorPilot 组织执行步骤，MirrorData 完成查询。输出包含可能原因、相关证据和建议动作，供业务人员进一步核查，不能直接视为因果证明。

　　分析完成后，用户可以在同一对话中要求生成管理层报告。Agent 将任务中的数据、图表、业务资料与结论整理成可打开、可下载的 HTML 报告，供业务部门讨论和复核。

　　这条流程把数据检索、指标计算、异常分析与报告交付连接起来。对于企业级 AI Agent，明确的业务定义、可复用的知识，以及能够回查的 SQL 和来源，构成了从回答问题走向业务应用的基础。

　　更多平台架构与发布信息，见镜舟 MIP 产品介绍。