循序渐进 · AIP 教学 · AIP Analyst(一)

AIP Analyst 总览:对话式分析

AIP Analyst 是面向智能体工作流的界面:用自然语言在 Ontology 上做即席分析,不用写查询、不用搭看板。

全部目录 AIP 首页 ← 上一篇 AIP Analyst 总览:对话式分析 下一篇 →
本文来源 · Source 内容整理自 Palantir Foundry 官方文档:
https://www.palantir.com/docs/foundry/aip-analyst/overview/
原始标题:AIP Analyst • Overview • Palantir · 所属:AIP Analyst(对话式分析)

先记住这几条

① 面向智能体工作流
不是一个死板的报表工具。
② 自然语言即席分析
想分析什么,直接问。
③ 站在 Ontology 上
分析直接基于业务对象。
④ 分析可沉淀
结果能保存成资源供复用。
0

写在前面

AIP Analyst 是一个面向智能体工作流(agentic workflow)的界面,让你能够使用自然语言在 Ontology 上执行即席分析(ad-hoc analysis)。你可以向 AIP Analyst 提出一个问题,智能体会通过自主搜索你的 Ontology、创建对象集并变换数据来回答,然后生成摘要和可视化。

1

示例工作流

要点:一次完整分析是怎么进行的。

举个例子,假设有一位经营连锁咖啡店的用户,想要进行竞品分析。他们想研究在英格兰北安普顿开设新门店是否可行。为了开始分析,该用户可以问:「Which coffee shops are within 10km of Northampton? Are any chains particularly prominent?」

AIP Analyst 会使用多个搜索词在你的 Ontology 中搜索相关数据,以提高找到相关对象类型的可能性。

一次 AIP Analyst 对象类型搜索。
一次 AIP Analyst 对象类型搜索。

找到一些咖啡店之后,AIP Analyst 会检查数据并应用一个以北安普顿为中心的地理空间过滤器。

AIP Analyst 地理空间过滤器。
AIP Analyst 地理空间过滤器。

最后,在对连锁品牌执行一些额外的聚合之后,它会生成指定区域内店铺以及竞争连锁品牌的摘要。

一个 AIP Analyst 摘要示例。
一个 AIP Analyst 摘要示例。
2

更多使用方式

要点:嵌入、保存、复用。

除了运行即席分析外,AIP Analyst 还可以:

  • Save analyses as Compass resources: 使用分析资源(analysis resources)稍后回到你的工作,或与协作者共享。
  • Embed in other applications: 添加 Workshop widget 以便更紧密地集成到 Workshop 模块中,或使用 URL 参数 在 OSDK 或其他 Foundry 应用中通过 iframe 嵌入。
3

资源消耗

要点:钱花在哪里。

由于 AIP Analyst 是智能体式的,单个问题可能会引发大量模型调用和对 Foundry 的大量查询。用量来自两个来源:智能体自身推理所消耗的 LLM token,以及每次工具调用背后 Foundry 系统的计算。该系统可能是 Ontology、某个数据集,或某个 function。

Compute usage with AIP Analyst 涵盖每个能力(capability)消耗什么、用量如何归因到项目和资源,以及如何监控它。它还包括关于何时将工作移出智能体的工具循环、改放入 function 或 pro-code agent 的指导。


Note: AIP feature availability is subject to change and may differ between customers.

延伸阅读 · 相关页面

按主题横向跳转,不必顺着目录一篇篇读。

本组其他页面 · AIP Analyst(对话式分析)

同一主题下的相邻内容。

常见问题速答 · FAQ

关于「AIP Analyst 总览:对话式分析」,读者最常问的几个问题。

示例工作流是什么?
一次完整分析是怎么进行的。举个例子,假设有一位经营连锁咖啡店的用户,想要进行竞品分析。他们想研究在英格兰北安普顿开设新门店是否可行。为了开始分析,该用户可以问:「Which coffee shops are within 10km of Northampton…
资源消耗是什么?
钱花在哪里。由于 AIP Analyst 是智能体式的,单个问题可能会引发大量模型调用和对 Foundry 的大量查询。用量来自两个来源:智能体自身推理所消耗的 LLM token,以及每次工具调用背后 Foundry 系统的计算。