你的 Coding Agent 有多大价值，取决于它对你的数据了解多少 | 技术实践

数据工程师使用通用编码智能体时，常发现其生成的代码虽语法正确，却因缺乏对企业数据环境的了解而无法直接使用。智能体不了解生产表、受治理的Schema及RBAC结构，导致输出需大量人工修正。其核心问题在于智能体运行时脱离了数据工作的具体上下文。数据工作包含大量模式化任务，智能体虽能减少脚手架时间，但依赖特定SQL方言、Schema命名约定及平台特有对象，通用智能体只能给出“通用答案”。手动通过提示词补充上下文需持续维护，本质是伪装成AI的集成工作。数据治理层面，智能体无法感知脱敏策略、行级访问控制及角色层级，可能生成绕过安全策略的查询。此外，平台运行知识如ACCOUNT_USAGE查询模式、SYSTEM$CLASSIFY输出格式等也无法通过注入解决。Snowflake推出的平台原生智能体CoCo，以用户实际角色运行，使治理策略成为执行环境的一部分，并可自行读取目录、检查Schema，内置针对平台API构建的结构化工作流，从而解决上述三个缺口。