使用对话式分析的 Data Cloud 连接器的最佳实践

当您以联合查询模式连接 Data Cloud 连接器时，Gemini Enterprise 会使用 Model Context Protocol (MCP) 就地查询您的数据源。虽然 MCP 工具定义为助理提供了执行 SQL 的机制，但要以高准确度和低延迟回答自然语言业务问题，还需要两层额外的指导：

  • 默认分析框架：特定于引擎的程序性技能，可教导 Gemini Enterprise 助理如何像专业数据分析师一样规划查询、解析过滤条件值、使用高级分析函数和处理错误。
  • 组织上下文：特定于网域的技能、自定义指令和 Knowledge Catalog 元数据，可将公司的业务词汇、KPI 定义和治理护栏映射到正确的底层表格和模型。

本文档介绍了 Data Cloud 连接器如何使用由 Google 管理的内置分析技能，以及如何使用 Knowledge Catalog、自定义技能和助理指令为数据提供组织背景信息。

了解默认分析框架

开箱即用的 MCP 工具可公开低级操作（例如列出表或运行 SQL 字符串），但这些操作本身通常不足以进行复杂的多步数据分析。第一方 Data Cloud 连接器通过捆绑默认分析框架（一套内置的、由 Google 管理的技能，源自对话分析代理框架）来弥合这一差距。这些内置技能可自动处理核心分析任务，例如生成只读 SELECT 查询、从 SQL 编译器错误中恢复，以及调用内置的 BigQuery AI、机器学习和图表函数（例如 AI.FORECAST、AI.DETECT_ANOMALIES、AI.CLASSIFY、AI.AGG、AI.GENERATE 和 GRAPH_TABLE），而无需您进行任何配置或操作。

由于 Google 控制着这些内置连接器技能，因此您无法直接修改连接器或向其中添加上下文。不过，您可以在 Gemini Enterprise 应用中配置连接器设置、在知识目录中整理元数据，或创建和使用自定义技能，从而解决常见的查询执行、搜索延迟和指标准确性问题。

下表介绍了使用 Data Cloud 连接器时可能会遇到的常见问题以及相应的解决方法：

问题 可供选择的解决方案
确保所有 BigQuery 查询都在单个项目中运行

在创建 BigQuery 数据存储区时，配置结算项目 ID（位于高级选项下）。设置结算项目可确保通过连接器执行的所有 BigQuery 查询作业都在该指定 Google Cloud 项目中运行并结算。
减少搜索延迟时间或优先处理特定数据

使用以下一个或两个选项来缩小代理搜索和查询数据的范围：

  • 创建自定义 skill：在 Gemini Enterprise 应用中创建并分享 skill，引导智能体仅在特定 Google Cloud 项目、数据集或表 格中搜索或查询数据。例如，在技能中添加以下指令：

    “在回答有关销售、收入或客户活动的问题时，仅搜索元数据并针对 analytics-prod.sales_mart 数据集中的表运行 SQL 查询。请勿扫描过渡、沙盒或归档数据集。”

  • 创建 Knowledge Catalog 数据产品：将高优先级的表整理到 Knowledge Catalog 数据产品中（请参阅创建数据产品），以便代理可以直接发现权威资产。
代理使用错误的指标定义或基于错误的键进行联接

您可以使用以下一个或多个选项来标准化定义和联接逻辑：

如需比较使用 Knowledge Catalog 与自定义技能的优势，请参阅选择在何处定义业务指标：自定义技能与 Knowledge Catalog。 如需有关在应用中创建和启用技能的分步说明，请参阅创建和管理技能和管理技能。

使用技能和 Knowledge Catalog 提供组织背景信息

由于 Data Cloud 连接器不限于单个数据集或表，因此可以访问已通过身份验证的用户有权查询的连接数据源中的所有资源，因此助理需要组织上下文才能了解哪些资产是权威的，以及您的企业如何计算关键指标。

采用分层方法，将 Knowledge Catalog、组织范围的自定义技能和用户个性化相结合：

1. 使用 Knowledge Catalog 发现基础数据

当您在联邦查询模式下连接 BigQuery 或数据库连接器时，Gemini Enterprise 应用的助理标签页中会自动启用 Knowledge Catalog。该智能体无需在原始数据库架构中进行连续的探索性调用，而是使用 Knowledge Catalog 工具来搜索用户有权访问的数据，并在单个工作流中查找丰富的元数据上下文。

如果您的组织在第三方目录（例如 DataHub）或内部文档 Wiki 中整理元数据，请将这些说明同步到 Knowledge Catalog，或在组织范围内的自定义 skill 中捕获必要的业务规则，以便智能体可以发现它们。

2. 选择在何处定义业务指标：自定义 skill 与 Knowledge Catalog

如需在对话中对组织特定的分析规则进行编码，并标准化业务指标定义和 SQL 公式，您可以执行以下任一操作：

为公司 KPI 确定确切的计算逻辑和过滤规则，可确保助理无需猜测。例如，您可以将“活跃客户”严格定义为在过去 30 天内登录平台超过 10 次的 analytics_prod.crm.user_events_log 账号（event_type = 'LOGIN' 和 is_test_account = FALSE），也可以将“净贡献边际”定义为必须排除促销赠品 (order_type != 'PROMO') 和库存缩水 (status != 'SHRINKAGE')。

在选择是在 Gemini Enterprise 内的自定义技能中还是在 Knowledge Catalog 中实现指标定义时，请考虑以下权衡因素：

  • Knowledge Catalog：
    • 优势：
    • 强制执行 Identity and Access Management (IAM) 访问权限控制，以便用户和代理只能发现他们有权查看的元数据和定义。
    • 可在 Gemini Enterprise 之外的其他代理框架、工具和平台（例如 BigQuery Studio 和 MCP 客户端）中重复使用。
    • 由数据治理团队集中维护，无需各个应用用户启用技能。
    • 缺点：
    • 提供描述性元数据上下文和查询示例，而不是严格的程序性指令，因此对于复杂的多步骤计算流程，代理可能需要额外的提示。
  • Gemini Enterprise 中的组织级自定义技能：
    • 优势：
    • 提供具体、规范的程序性指令和确切的 SQL 公式，智能体在应用中会确定性地遵循这些指令和公式。
    • 可由 Gemini Enterprise 应用管理员快速创建和更新，无需修改公司目录资源。
    • 缺点：
    • 必须与用户共享并在 Gemini Enterprise 中启用，且仅适用于 Gemini Enterprise，而不适用于其他框架或平台。

3. 根据用户技能和个性化设置量身定制分析

个人分析师和业务用户可以在组织范围内的技能基础上添加个人背景信息：

  • 用户创建的技能：最终用户可以为重复性分析任务或团队特定的默认设置创建个人技能。例如，用户可以创建一项技能，规定每当用户询问“每周产品效果”时，助理应自动按产品线进行过滤、排除 QA 流量，并按财政周对结果进行分组。
  • Gemini Enterprise 记忆和个性化：启用个性化后，助理可以在不同会话中保留用户特定的偏好设置和澄清信息，从而随着时间的推移减少重复的消除歧义提示。

选择在何处配置每种类型的上下文

由于 Google 控制着附加到 Data Cloud 连接器的内置技能，因此您无法直接向连接器添加自定义上下文。请改用下表来决定在何处配置分析规则和业务情境：

上下文层 管理者 最佳用途 示例
Knowledge Catalog 元数据 数据管家和目录管理员 跨大型数据资产的动态资产发现、表和列说明、数据质量信号、数据集术语表，以及经过验证的示例 SQL 查询。 在 analytics_prod 中整理经过认证的数据产品和业务术语库术语，以便代理可以发现权威的表格和指标定义。
组织级自定义技能和助理指令 Gemini Enterprise 管理员和数据操作员 确定性项目和数据集范围界定、公司范围内的 KPI 定义、消除歧义规则和响应惯例。 将查询限制为特定的生产数据集；为“加权净 ARR”定义确切的 SQL 计算。
用户技能和个性化 个人最终用户和分析师 特定于角色的默认过滤条件、首选指标布局和定期团队工作流程。 当用户询问“每月销售渠道指标”时，自动应用 EMEA 区域和有效 QA 过滤条件。

后续步骤