基于数据仓库回答数据问题并构建仪表板
从一开始，我们就在用 Devin 构建 Devin。任务：Cognition 使用 DANA（Devin 的专用数据代理）通过 MCP 连接数据仓库（如 Redshift、Snowflake）。用户在 Slack 或 Web 应用中用自然语言提问，DANA 生成 SQL、分析指标并创建 seaborn 可视化图表。工程师审查生成的 SQL 和仪表板以验证逻辑，然后将洞察分享给非技术利益相关者。；工具：Devin。人工角色：原文未说明人员如何持续参与。；局限：需要通过 MCP 将 DANA 连接到数据仓库并维护模式知识。成功取决于用户对指标和时间段的明确描述。代理提供 SQL 供验证，意味着需要人工审查以确保准确性。来源可靠性高，因为是第一方工程博客。。
工具
Agent Work Atlas 发布日期:
概述
从一开始，我们就在用 Devin 构建 Devin。
工作流程
Cognition 使用 DANA（Devin 的专用数据代理）通过 MCP 连接数据仓库（如 Redshift、Snowflake）。用户在 Slack 或 Web 应用中用自然语言提问，DANA 生成 SQL、分析指标并创建 seaborn 可视化图表。工程师审查生成的 SQL 和仪表板以验证逻辑，然后将洞察分享给非技术利益相关者。
原文报告的结果
原文指出 DANA 解决了以前在队列中等待数天的临时数据问题，使非工程师能直接获得答案。它通过处理“点击按钮生成报告”的任务减少了工程师的上下文切换。文中未提供关于节省时间或错误率的具体量化指标。
人工角色
原文未说明人员如何持续参与。
局限
需要通过 MCP 将 DANA 连接到数据仓库并维护模式知识。成功取决于用户对指标和时间段的明确描述。代理提供 SQL 供验证，意味着需要人工审查以确保准确性。来源可靠性高，因为是第一方工程博客。
试一试
扮演使用 DANA 的数据分析师。1. 通过 MCP 连接到 [replaceable: 数据仓库名称，如 Snowflake]。2. 提问：'[replaceable: 具体业务问题，例如：上周二注册量为何下降？]'。3. 请求 seaborn 可视化图表及底层 SQL。4. 审查 SQL 逻辑的正确性。5. 如果有效，生成仪表板摘要。如果无效，使用具体的指标定义优化提示词。未经人工确认 SQL 逻辑，不得发布结果。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。