最后编辑于2026年10月26日
在 2026 年的 dbt 峰会分论坛上，dbt Wizard 的产品设计师萨姆·弗格森与 Fivetran 的高级软件工程师瑞安·伊克曼阐述了为何分析工程需要一个专属的 AI 智能体，而非将通用型编码智能体用于 dbt 项目。
弗格森首先介绍了 dbt Wizard 旨在解决的问题。随着数据相关工作的实际执行越来越多地由自动化工具承担，相关人员的工作重心也从编写代码转向对代码的评估，而通用型编码代理并未针对这一转变设计出便捷的判断机制。差异对比能够清晰显示哪些代码行发生了变化。
聊天记录展示了对话内容。然而，两者均未说明底层数据究竟如何变化，也未验证结果是否正确，这导致团队每次在客服人员完成任务后都不得不手动重建相关上下文。
dbt Wizard 的解决方案是将 dbt 项目视为一个有机的整体系统，而非单纯的文件夹，并在任何变更触及生产环境之前，先依据开发模式进行验证。当 dbt Wizard 执行变更时，它会以 DAG 的形式展示变更的影响，而非传统的差异对比，以便审核人员能够清晰地了解哪些内容确实被下推到了下游。据 Ferguson 称，采用 Wizard 的设计合作伙伴自引入该工具以来，生产环境中的事故数量已减少了 15% 至 20%。
在那场演讲的幕后，弗格森指出了几个经过深思熟虑的设计选择：一套专为分析工程打造的交互框架，而非通用型聊天界面；一个原生元数据引擎，让智能体能够以结构化的方式访问项目，而无需自行搜索与猜测；以及将验证与可视化审查直接嵌入工作流本身，而非事后附加。如今，dbt Wizard 已在三大场景中全面上线：内置于 dbt Studio 和 dbt 平台内的独立工作区、通过命令行，以及最新推出的桌面应用。
随后，Eakman 使用两个虚构的 dbt 项目——Jaffle Games 和熟悉的 Jaffle Shop——现场演示了桌面应用程序。他通过一个真实场景展开演示：业务部门与游戏设计团队对“活跃玩家”的定义存在差异。他展示了 dbt Wizard 如何在不丢失第一个问题上下文的情况下，将对话分支为第二个问题，并同时并行处理这两个问题。每当 dbt Wizard 进行一项变更时，它都会清晰呈现该变更背后的假设；其中有一个案例中，它指出某项崩溃指标依赖于空会话时长，尽管数据中已存在一个未使用的崩溃标志，而这一问题正是由代理发现而非引入的。
该演示还展示了 Wizard 的验证流程如何将编译和解析代码等低成本操作与物化数据等高成本操作分离，并通过一个隔离的子代理执行验证，从而避免检查继承作出变更的代理所持有的相同假设。验证通过后，Wizard 可以直接发起拉取请求，将对话中的假设与上下文一并带入 PR 描述中。
在问答环节中，Eakman被问及Wizard与Claude Code在针对dbt的特定工作上有何不同，他回答说，Wizard内置了针对dbt的专用工具，而无需团队自行搭建自己的MCP服务器和技能；相比之下，通用型工具必须兼顾所有使用场景，这限制了其引导智能体向dbt特定模式发展的程度。他还确认，Wizard通过其底层框架支持技能与MCP连接，并且会自动按工作树隔离各模式，从而避免并行运行的智能体相互覆盖同一数据库对象。
dbt Wizard 现已通过 dbt 的产品页面提供，相关设置详情请参阅 Wizard 文档及 Wizard CLI 指南。桌面版应用目前处于内测阶段，现已开放注册。
随时观看 dbt Summit 2026 的每一场主题演讲和分论坛。立即观看 dbt Summit 2026 →
在 dbt 中开始使用
加入那些正在构建真正可扩展的数据基础设施的分析工程师团队。
安装 dbt Wizard CLI
立即开始使用专为分析工程打造的智能代理。它懂得调用哪个工具、提取哪些上下文，并在向您呈现结果前自行核查工作。
最新帖子
dbt v2 登陆：解析速度更快、采用统一的适配器层，并提供无需庞大 manifest.json 文件的文档体验
2026年10月26日
使用 dbt State 优化您的运行，以实现更低的计算成本、更实时的数据和更快的迭代
2026年10月26日
展示我们的工作：一项关于情境工程的受控实验
2026年10月26日
加入塑造数据的最大社区
dbt 社区是您通往最佳实践、创新以及与全球数千名数据领袖和 AI 从业者直接协作的门户。提出问题、分享洞见，与专家一道打造更优方案。