RSS dbt Blog 发布 2026-08-11 03:03 41

dbt Summit 2026主题演讲与产品议程

dbt Labs宣布dbt Summit 2026将于9月15-18日在拉斯维加斯Cosmopolitan举行，重点围绕AI时代的数据基础展开。峰会设有两个主旨演讲和四大支柱议题，包括升级引擎、为AI升级、用AI升级等方向。文章强调，许多组织的数据尚未达到可支撑AI代理的水平，而dbt正在帮助团队弥合这一差距。

推荐理由：dbt是数据工程与治理关键工具，其年度峰会内容反映了数据平台如何为AI代理时代重构，值得数据从业者关注。

Data Agent 平台AI化dbt Labs

译文 AI 逐段翻译

博客

/ 学习

/ dbt Summit 2026：主题演讲和产品会议

dbt Summit 2026：主题演讲和产品会议

Daniel Poppy最后编辑于2026年8月10日

我们不断从数据团队听到一些事情。一位健康保险管理公司的首席数据官最近很好地表达了这一点。他有两名数据工程师，他希望让他们快速进入人工智能工作。他有高管的支持。他有预算。但他仍然无法开始。

“每个人都在围绕AI制造噪音。你能在AI方面做点什么吗？我在想，‘但你的数据还没有达到可以在其上放置AI代理的水平。’”

他已经知道大多数组织将要艰难地发现什么。这恰好是今年dbt Summit内容要解决的差距。

dbt Summit将于9月15日至18日在拉斯维加斯的The Cosmopolitan举行。

你以前做过这个

十年前，dbt改变了作为数据专业人士的意义。分析工程师出现了，以速度和规模提供生产级管道，治理数据，并对整个业务的决策产生真正影响。

现在很容易忘记当时的感觉。这种转变令人迷茫。很多人不确定自己会落在哪里。事实证明，这是这个领域职业生涯中最好的事情之一。

我们再次处于那个时刻。AI正在改写数据的使用方式，并提高了未来18个月内做出的每个数据决策的风险。数据的消费者正从BI工具中的分析师转变为连续、以机器速度工作的代理，而无需人工检查每个答案。

蓬勃发展的团队将是那些升级的团队，这就是为什么你今年需要参加dbt Summit。

两个主题演讲，四大支柱

dbt Summit主题演讲建立在四大支柱之上，它们与我们从数据团队直接听到的内容以及他们面临的挑战紧密对应。

升级引擎，无论你在哪里运行dbt，都能获得更快的解析、更好的可扩展性和真正的成本控制。

为AI和你的代理消费的内容升级。结构化的、受治理的上下文是你的数据仓库与一个你愿意依赖其答案的代理之间缺失的部分。

通过AI升级你消费的内容，包括dbt Wizard及其周围的代理工作流程，以便在保持质量和成本控制的同时更快地构建和交付。

升级技术栈，采用开放、灵活的基础设施。你的技术栈仍然是你的。

周四带来社区主题演讲，由Grace Goheen和Jeremy Cohen主持。这是对dbt社区的庆祝，以及dbt Core和引擎如何在一个框架下统一，以及工作如何在开放中继续。

在产品会议中深入探讨

主题演讲是头条新闻。产品分组会议和圆桌讨论是您了解这一切如何运作的地方，直接来自构建它的产品经理。

使用dbt State优化运行以降低计算成本、获得更新鲜的数据和更快的迭代。大多数dbt项目每次运行时都会重建相同的模型，无论是否有变化。dbt State检查仓库元数据和模型SQL，确定结果是否真的会改变，然后构建、跳过、克隆或自动推迟到生产环境。平均计算节省30%。Reuben McCreanor将介绍新鲜度SLA、从生产环境自动克隆以及您可以淘汰的编排逻辑，无论您运行的是dbt Core、dbt平台还是介于两者之间的东西。

dbt Wizard：您的AI数据开发队友。dbt Wizard是为数据而非软件构建的编码代理。Ani Venkateshwaran和Brandon Thomson将介绍其三种模式——开发、分析和发现——使其可扩展的代理技能框架，以及dbt自己的团队在其上构建的完全自主分析工程流程的现场演示。

在开放中重建dbt Core：更快的运行时、适配器和文档v2。多年的dbt Core v1.x让团队面临一个问题：Python运行时在大型项目上变慢，适配器碎片化，文档体验跟不上。Hope Watson将详细阐述重建工作：基于Rust的Apache 2引擎、基于ADBC和Arrow生态系统的更简洁的适配器模型，以及parquet支持的工件。您将看到并排的解析速度演示，并获得从v1.x通过v1.12解析器入口迁移的真实路径。

语义层已死。语义层万岁！ 语义层曾经是一个你多年前为仪表板解决的的问题。然后代理出现了。Zach Mandell将论证您的语义层现在成为AI战略中最承重的部分，展示MetricFlow和dbt语义层的发展方向，并涵盖dbt MCP服务器如何将受治理的指标转化为代理可以使用的上下文。这个会议将直接回答幻觉问题。

产品圆桌：实践中的开放数据基础设施。Jack Lowery和Anna Lee将主持一场关于使用Apache Iceberg和网状模式解锁dbt项目的互动对话。圆桌会议规模小且以讨论为先，所以带着你真正卡住的问题来。

Apache Ossie：实现语义层可移植性。在一个工具中定义一个指标，在下一个工具中重新定义它，你的仪表板、笔记本和代理最终会对“活跃客户”的含义产生分歧。Apache Ossie，由dbt Labs、Snowflake、Salesforce、BlackRock和RelationalAI共同领导的供应商中立、开源语义交换规范，改变了这种合同。你将看到MetricFlow（现在在Apache 2.0下开源）如何将受治理的指标编译成可移植的格式，使BI、对话式分析和AI代理最终就相同的业务逻辑达成一致。

下一代数据基础设施在湖中。现代数据栈让你走到了这一步，但它不会让你到达代理需要操作的地方。Russell Christopher和Casey Karst将阐述开放数据基础设施：将数据以Iceberg等开放格式存放在你控制的存储中，然后为任何工作选择合适的计算，并在不重建管道的情况下交换工具。你将带着一个使用Fivetran + dbt构建开放、可移植、AI就绪基础设施的框架离开。

我们说了“我愿意”。现在，我们在DAG上结合了。。这些数据来自哪里，发生了什么，又是谁在使用？Roxi Pourzand 展示了 Fivetran 和 dbt 如何将摄取、转换和消费统一到一个沿袭图中——这个图来自实际执行工作的系统，而非事后拼凑——从而解锁与使用情况挂钩的实际成本可见性、在下游保持治理的 PII，以及能基于完整图景进行推理的智能体。

伟大的上下文带来伟大的自主性：提升你的智能体上下文。查询你数据仓库的智能体不应该猜测“活跃”是什么意思，或该信任哪个收入表。Ben Moser 和 Kevin Kim 演示了 dbt 结构化上下文和 Fivetran 上下文层如何将原始元数据、受治理的语义模型和实际使用转化为驱动准确结果的智能体模式——以及如何在问题需要时，让智能体超越固定定义进行推理。

从现在到九月，还有更多分会场陆续上线。浏览完整日程来规划你本周的其余行程。