Data Agent
Databricks Genie One
问题:用户得到 AI 答案后,还要在多个工具之间核验数据、编辑报告和分享结果,首个答案很快,后续行动却很慢。
设计解读:首页按“发起、复用、调度、定制”组织任务,比按模型或数据库对象导航更接近业务用户心智。
PRODUCT DESIGN LIBRARY
从真实产品界面和完整操作流程,拆解功能、交互、设计理由与适用边界。
Data Agent
问题:用户得到 AI 答案后,还要在多个工具之间核验数据、编辑报告和分享结果,首个答案很快,后续行动却很慢。
设计解读:首页按“发起、复用、调度、定制”组织任务,比按模型或数据库对象导航更接近业务用户心智。
Data Agent
问题:开放式业务问题需要多步拆解、反复查询和综合论证,单轮 Text-to-SQL 无法交代过程,也难以让用户核验结论。
设计解读:把计划、查询和重试显示为可展开的进度树,能在不淹没结论的前提下提供可审查性。
Data Agent
问题:周报、经营巡检等重复分析依赖人工发起和整理,普通定时任务又只会执行固定 SQL,难以处理需要重新规划的自然语言任务。
设计解读:把调度建议放在分析交付之后,比让用户去独立设置页重新描述任务更符合当下意图。
Data Agent
问题:传统测试只能判断代码是否运行,无法说明 Agent 的多步行为是否符合预期,团队缺少从 Trace 到评估结论的统一审查界面。
设计解读:将“裁判理由”和“原始 Trace”放在同一运行下,可避免用户只看通过率而无法追问证据。
Data Agent
问题:Spark 作业失败的线索散落在告警、日志、事件记录和代码中,内置云 API 又看不到执行器内存等 Spark 内部证据。
设计解读:配置流程先选能力、再选工具,是把“插件已连接”与“Agent 可使用哪些权限”分层表达。
数据平台
问题:可视化数据管道通过导出、改名和重新导入在环境间流转,既看不到变更差异,也容易丢失运行状态和环境参数。
设计解读:把 Git 操作放到画布对象的上下文菜单,保留了可视化建模的心智,又不迫使用户先离开画布。
数据平台
问题:查询日志只记录用户搜了什么,不能说明用户看到、点击或放弃了哪些结果,搜索团队因此无法在上线前量化排序调整是否改善。
设计解读:该流程把行为信号、评判集、方案对比和发布指标分成可复用对象,使搜索优化不再依赖一次性脚本。
数据平台
问题:一条 Bronze→Silver→Gold 管道往往同时维护 ETL 代码、调度 DAG 和 CDC 状态,分析开发者需要在多个工具中切换并处理错误。
设计解读:将 AI 修复入口放在出错单元格的就地菜单中,比要求用户另开对话并重述上下文更高效。
数据平台
问题:当湖仓增长到数千张表和多个数据域时,逐表授权容易产生权限漂移,分析用户也难以理解为何同一查询对不同身份的结果不同。
设计解读:用成功与拒绝的对照状态演示权限,比只展示策略配置页更容易让产品、安全和业务共同验收。
BI/数据应用
问题:风暴期间,停电、客户、地形、人员和预计恢复时间散落在多个系统,调度与现场团队很难共享同一张实时运营图景。
设计解读:首屏同时呈现地理范围、事件规模、客户影响和恢复速率,对应运营指挥中“哪里、多严重、影响谁、处理多快”四个核心问题。
BI/数据应用
问题:SageMaker Unified Studio 的自定义项目标签不会自动传播到通过 UI 创建的动态资源,财务和平台团队无法按成本中心或团队追踪项目消耗。
设计解读:看板先把成本责任维度放到全局筛选器,再并列展示成本中心与具体项目,能在管理视角和排查视角之间快速切换。
BI/数据应用
问题:用户用自然语言要求比较、趋势和强调时,如果让 LLM 直接选图表类型或生成渲染代码,输出很难验证、修订、复现和跨引擎渲染。
设计解读:让模型只做分析判断、让代码负责结构构造,是把生成式 UI 从“任意代码”收缩为“可验证中间表示”。