今年7月份京东开源了业界首个高完成度轻量化通用多智能体产品(JoyAgent-JDGenie)，得到了行业的广泛认可，今天京东又放大招了，在JoyAgent-JDGenie的基础上又开源了Dataagent能力。
开源体验：https://github.com/jd-opensource/joyagent-jdgenie
Joyagent行业首个100%开源企业级智能体
成长于京东自身业务系统的JoyAgent 智能体， 既能高效解决通用问题，又能应对复杂商业流程，提供精准决策支持，它具备五大核心特性：
- 100%开源：当前市场上的开源Agent主要是SDK或者框架，用户还需做进一步开发，而京东云JoyAgent整体开源了智能体产品能力，包括前端、后端、框架、引擎和核心子智能体，开发者可以快速部署，拥有专属的企业级多智能体产品。
- 高可用性：作为一款通用的开源多智能体，对于用户定制新场景功能，直接将相关智能体或者工具挂载到平台上即可快速调用。此外，平台预置了多种子智能体，支持html、ppt、markdown多种文件交付样式，获得更好的多Agent执行效果。
- 更轻量化：此次开源的JoyAgent智能体，和平台耦合度低，无需依赖MaaS平台或云平台能力，用户可本地独立部署，使用更灵活。
- 更强性能：JoyAgent智能体在GAIA榜单(Val集)准确率超过75%，超越OWL、Smolagent等众多行业知名产品。
- 成熟可靠：历经京东内部大规模场景锤炼，超2万个智能体实践，产品可靠性得到验证，帮助企业快速将智能体在生产场景用起来。
JoyAgent持续开源
当前Data Agent相关竞品，有些不支持数据治理、有些不支持诊断分析、有些不开源。因此，我们从端到端开箱即用的角度，我们开源了JoyDataAgent其包含了数据治理DGP协议&工具、诊断分析和工作建议。特别对于诊断分析和工作建议，这类问题往往没有固定答案也无法通过例行报告自动呈现，正需要JoyDataAgent提供的“新角度”与aha moment来激发思考。 对于JoyDataAgent是一个通用的智能问数的框架和产品，对于用户的场景，只需将表按照DGP协议进行治理后，即可直接进行问数和诊断分析。为了验证JoyDataAgent的通用性，在Birdsql公开榜单test集准确率75.35%排名第7（共84支提交队伍）。
- 产品上用户引导：解决用户不敢问、不知道怎么问的问题
- DGP协议
- 数据治理与挖掘：表设计、字段设计、字段值设计5原则，提供相关的SDK以确保数据的准确、唯一、完整、一致、有效。表设计原则：明细表和指标表不要混合、增量表和全量表不要混合。字段设计原则：字段避免混淆、时点指标和时期指标语义要说明。字段值设计原则：枚举值语义说明。（已完成）
- 数据血缘治理：采集数仓脚本进行SQLAST解析识别出字段、表、加工算子的血缘关系来构建图谱，结合上语义上的补充构成丰富的知识图谱，以供RAG召回使用。（进行中）
- 语义对齐和指标数据预编织：语义上的归一对于数据质量很重要，语义构建需要分类，维度含义的统一，以及解决多处定义的冲突。基于高质量语义与图谱知识的结合，从指标算子口径和语义口径上进行表要的模型预编织，用于在指标数据召回阶段精准约束SQL。（进行中）
- 智能问数
- 自适应支持不同类型表的问数能力：明细表VS指标表，增量表VS全量表等
- 具备智能问数能力并结合图表的可视化展示
- 诊断分析
- 多种归因分析工具：包括趋势、周期、异常、相关性、因果等归因方法
- SOPPlan：除了通用的诊断分析功能，此外还支持用户预定义分析流程。基于用户预定义分析流程，升级Plan&Solve模式为SOPPlan模式。
- 特别对于诊断分析和工作建议，这类问题往往没有固定答案也无法通过例行报告自动呈现，正需要JoyDataAgent提供的“新角度”与aha moment来激发思考。
JoyAgent-Dataagent部署后体验
- 问数答案可视化展示，而不是简单的数字，如下通过折线图展示，且给出了思考过程。
- 归因诊断分析：严肃场景支持用户自定义分析sop，也支持大模型通用分析能力
如下为配置的一个业务sop
如下给出的诊断报告后天跑了20分钟左右，节约了大量的人力，特别是其中的关键发现和建议都是比较合理的。
