声明式数据服务：面向数据系统组合的结构化智能体发现

智能体发现已在基准条件下证明，LLM 驱动的搜索能够找到新颖的算法、设计与代码。将该范式迁移到多系统数据后端则暴露出更难的问题：搜索空间是异构的，验证标准是被部署的技术栈能否真正运行，而组合知识在预训练中的覆盖并不均衡。无界智能体发现——即一个基于失败日志反馈进行迭代的编码智能体——即便加入迭代与显式组合知识，也无法一致地收敛到可运行的技术栈。我们提出 Declarative Data Services（DDS），一种从声明式用户意图出发、对数据系统组合进行结构化智能体发现的架构。该框架在逐层递进的四个层级上持有类型化契约（意图、算子 DAG、各系统技能、运行时归因），将全局搜索分解为有界子搜索；子智能体在各类型化空间中搜索，框架则提供通道，使知识以行内技能引用的形式向前流动、错误以类型化信号的形式向后回传。作为在交易后端工作负载上的可行性证明，DDS 能在无界发现无法收敛之处收敛；运行时故障会转化为技能补丁，并在下一次部署中被行内引用。我们将其定位为一个早期原型，报告来自真实数据系统组合实践的经验教训。