---
url: /v6.2/data-agent-chatbi-faq.md
---
# Data Agent 与 ChatBI

很多关于 AI 的问题，不是“功能有没有”，而是“应该用哪种入口、哪种模式、该怎么排查”。这页专门回答 Data Agent / ChatBI 最容易被反复问到的边界问题。

## Data Agent 侧边栏和 ChatBI 有什么区别？

最核心的区别不是“哪个更新”，而是**各自解决的任务不同**。

简单理解：

* **Data Agent 侧边栏**：更适合在当前页面上下文中继续分析、创作、解读、编辑
* **ChatBI**：更适合独立的智能问数入口，围绕一次会话持续生成图表和看板

如果你最关心的是“当前仪表盘、当前数据包、当前页面还能继续做什么”，优先看 Data Agent。\
如果你最关心的是“给业务用户一个独立问数入口”，优先看 ChatBI。

## Agent 模式、Workflow 模式、API 模式怎么选？

可以先按这个判断：

|模式|更适合场景|
|-|-|
|Agent 模式|需求开放、问题复杂、需要模型自己判断下一步做什么|
|Workflow 模式|流程固定、步骤可预期、希望严格按既定流程执行|
|API 模式|你们自己的后端、多 Agent 或工作流系统来做外部编排|

如果你还没想清楚是 `iframe`、`JS SDK` 还是 `API`，先看 [Data Agent 集成总览](copilot-sdk.md)，不要直接从技术接法倒推业务场景。

## 问数效果不好，第一优先该改提示词还是改数据？

多数情况下，**先改数据准备，再改提示词**。

优先级通常是：

1. 数据集、字段、指标命名是否清晰
2. 字段/指标描述是否补全
3. 不参与问答的字段是否隐藏
4. 数据集知识管理里是否写清业务术语、口径、同义词
5. 再考虑在 Agent 调优里补行业与私域指令、分析规则、搜索指令

如果底层数据语义本身混乱，只加 prompt 往往只能缓解一部分问题。

## 什么情况下应该做数据向量化？

当你希望 Data Agent 在大量数据资产里更稳定地做语义检索、减少漏召回、提升相关性时，就应该考虑向量化。

尤其适合：

* 数据包多、字段多、同义词多
* 业务术语强、自然语言表述和字段名差异大
* 需要长期提升问答稳定性

如果现在的问题已经是“问得到，但经常找错字段或理解不到业务术语”，向量化通常比继续堆更多自然语言提示词更值。

## 什么时候应该创建分析模板？

当你发现用户经常重复问同一类分析问题时，就适合沉淀成 **分析模板**。

典型场景：

* 销售额趋势分析
* 区域经营对比
* 库存健康度分析
* 周/月度经营复盘

分析模板适合沉淀“提问骨架”，让终端用户直接点模板再微调，而不是每次从零组织完整问题。

## 什么时候应该创建自定义 Tool？

当你希望 Agent **知道平台外的信息**，或**替你完成一个动作** 时，才应该创建 Tool。

例如：

* 查企业知识库、FAQ、制度文档
* 查订单、库存、工单、审批状态
* 调搜索服务或第三方 API
* 创建工单、发起审批、写回业务备注

如果你的问题只是“回答风格不对”“欢迎语不对”“文案不够贴业务”，那通常不是 Tool 问题，而是提示词或文案定制问题。

## 问数失败、报错时，最关键的排障材料是什么？

优先收集这三类信息：

1. 对话卡片里的**执行日志**
2. 浏览器控制台 `Fetch/XHR` 里的**出错请求响应**
3. 系统调试里的 **DEBUG + 实时调试导出日志**

如果没有这三类材料，很多 AI 相关问题很难区分到底是模型、检索、权限、数据还是前端交互问题。

## 向量数据库地址需要手动填写吗？

通常不需要。

按 [AI 部署文档](ai-config.md) 完成相关服务安装与部署即可。常见误区不是“地址没填”，而是 AI 环境根本还没按部署要求准备好。

## 为什么在 Agent 模式问答时，不建议切页面或切历史会话？

因为这会中断当前问答过程。

如果你要做稳定演示或排障复现，尽量保持在当前会话和当前页面里完成，不要边问边切别的页面，否则很容易把“用户操作打断”误判成“AI 功能异常”。

进一步阅读：

* [Data Agent](chatbi.md)
* [Data Agent 调试](agent-tune.md)
* [独立使用 ChatBI](ai-chatbi.md)
* [Data Agent 集成总览](copilot-sdk.md)