GitHub：内部分析智能体Qubot将查询解决时间缩短约66%
Qubot是GitHub构建的内部AI分析智能体，使员工能够用自然语言查询数据仓库。该智能体使用三层联合上下文层（bronze、silver、gold）以及Kusto和Trino查询引擎之间的自动路由，将查询解决时间缩短了约66%。
🤖
本文由人工智能基于一手来源生成。
GitHub 介绍了 Qubot 的架构——内部 AI 分析智能体，使员工能够用自然语言查询数据仓库（data warehouse），而无需手写查询。数据仓库是从多个系统汇集数据的中央数据库，通常需要熟悉查询语言才能进行查询。
Qubot的构建方式
Qubot 使用三层联合上下文层——bronze、silver 和 gold——逐步精炼和结构化数据，使智能体获得更可靠的上下文。它基于 Copilot Cloud Agent 基础设施运行，可通过 Slack、VS Code 和 CLI 访问。智能体根据数据类型在 Kusto 和 Trino 两个引擎之间自动路由查询。
结果
据 GitHub 称，Qubot 服务于运行数千次查询的数百名用户，查询解决时间缩短了约66%。结构化上下文（与直接向模型发送原始数据相比）提高了答案的准确性。这一案例展示了大型科技公司如何越来越多地为内部需求构建智能体系统，而非仅将其作为面向市场的产品。
常见问题
- 什么是Qubot？
- Qubot是GitHub的内部AI分析智能体，允许员工通过Slack、VS Code和CLI，用自然语言查询数据仓库。
- Qubot如何组织数据？
- 使用bronze、silver、gold三层上下文层，并在Kusto和Trino引擎之间自动路由查询。
- 节省了多少时间？
- 查询解决时间缩短了约66%，服务数百名用户并处理数千次查询。