Rippling 实战案例:Agent 让 BI 从推送式变拉取式,工具选择即检索选择
sh_reya · x · 2026-10-05
Rippling 的 AI×GTM 视频讨论(引用 @dexhorthy 案例)引发 shreya 的观察:
- 工具/MCP 选择与数据检索选择正在变成同一个问题:两者都是回答提问所需的上下文,传统「业务逻辑」与「数据」的边界被 Agent 打破。
- BI 从 push 转向 pull:传统 ELT 是人先预判问题、再建表建看板;Agent 场景下问题先到、系统再动态决定取什么数据。
- 人的角色仍在:Rippling 数据团队依旧人工审查 Agent 的查询,并在发现新模式后手工建 rollup 表——物化视图老手们会对此很感兴趣。
对做 Agent 数据栈的人是一手案例。
「编程与Agent」频道最新
- 开源 Skills 编排实战:6 个技能跑测试修复流水线,DeepSeek 一周仅花 $3 — Own-Awareness8037 · 2026-10-05
- fastapi-gql-mcp:用 GraphQL 固定 MCP 工具面,省下万级 token 目录开销 — tangkikodo · 2026-10-05
- 腾讯混元 RSR 框架：27B 模型 Terminal-Bench 2 pass@3 从 57% 提至 74% — Tencent-Hunyuan · 2026-10-05
- 用 AI 造一个游戏引擎?答案是:可以 — jimmystar889 · 2026-10-05
- UT Austin 3.5 万次实验:为省 token 压缩上下文,可能让 agent 慢 20%~80% — omarsar0 · 2026-10-05
- 拆解 Claude Code 等 11 个 agent,Wavestone 提炼出 7 部件通用蓝图 — blaizedsouza · 2026-10-05