面向实时分析的发现代理：迈向主动式洞察系统

现代分析系统从根本上是被动的，需要用户在日益复杂且持续演变的数据上定义查询。在实时流式环境中，这一范式难以维系，因为潜在洞察的空间过于庞大，无法人工枚举。我们提出一种用于在实时数据流上进行自主洞察发现的多代理架构。该系统实现了一个持续发现循环：代理生成假设、将其编译为可执行分析、验证生成的制品，并产出可视化与可部署的应用。该架构利用 Apache Kafka 进行事件驱动的协调，利用 Apache Flink 进行流处理，并利用大语言模型（LLM）实现专门的代理。一个关键贡献是基于类型化中间制品的契约驱动设计，它带来模块化、可观测性、血缘追踪以及动态生成分析的更安全执行。通过零售、金融和公共数据领域的用例，我们展示了该架构如何支持从查询驱动分析向主动式、发现驱动系统的转变。