A Survey of Data Agents: Emerging Paradigm or Overstated Hype?

大型语言模型（LLM）的快速发展催生了“数据代理”这一概念——即旨在协调“数据+人工智能”生态系统、以应对复杂数据任务的自主系统。然而，“数据代理”这一术语目前存在定义模糊和使用不一致的问题，常常将简单的查询响应工具与高度复杂的自主架构混为一谈。这种术语上的混乱导致了用户期望错位、责任归属困难，并阻碍了行业的健康发展。受自动驾驶领域SAE J3016标准的启发，本综述提出了首个针对数据代理的系统性分层分类体系，包含六个层级，清晰地描绘并追踪了从人工操作（L0）到生成式全自主数据代理愿景（L5）的逐步演进过程，从而明确了能力边界与责任划分。基于这一框架，我们对现有研究进行了结构化回顾，按照自主性递增的顺序，涵盖面向数据管理、数据准备与数据分析的专用型数据代理，以及正在兴起的、具备更高自主性的通用化综合系统。我们进一步分析了推动数据代理发展的关键跃迁与技术瓶颈，特别是当前正处于从L2向L3过渡的关键阶段——在这一阶段中，数据代理将从程序化执行迈向真正的自主协同调度。最后，我们提出了一条前瞻性的发展路线图，展望未来将出现能够主动感知、自动生成响应的智能数据代理。

论文旨在解决‘数据代理’（data agent）这一术语在当前研究和实践中存在的定义模糊与使用不一致问题，导致用户期望错配、责任归属不清以及行业发展受阻。该问题具有现实紧迫性，尤其随着大语言模型推动自动化数据系统的发展，但此前尚无系统性分类框架来厘清不同层级的数据代理能力边界。

受SAE J3016自动驾驶分级标准启发，论文提出了首个数据代理的六级分层分类体系（L0–L5），依据自主性程度对数据代理进行系统划分，从完全手动操作（L0）到生成式全自主代理（L5）。这一框架明确了功能边界与责任分配，为技术演进提供了可追踪的路径，尤其聚焦于从L2（程序化执行）向L3（自主编排）的关键跃迁。

论文以结构化方式综述了现有数据代理研究，并按提出的层级框架归类；识别出实现更高自主性的关键技术缺口，如上下文理解、多代理协作与动态环境适应；提出面向未来的路线图，展望具备主动性和生成能力的数据代理；虽为综述性工作，但提供了概念清晰、可扩展的理论框架，极具指导意义；未提及具体实验或开源代码，但整合了跨领域的研究进展，适合后续系统构建参考。

相关研究包括：'AgentWeaver: Enabling Multi-Agent Collaboration through Automatic Role Discovery and Formation'（2024）；'Data-Centric AI: Towards Autonomous Data Management with Intelligent Agents'（2023）；'From Prompt to Action: Towards LLM Agents for Data Science Workflows'（2023）；'Autonomous Agents in Database Systems: A Vision for Self-Driving Databases'（2022）；以及'SAE J3016: Taxonomy and Definitions for Terms Related to Driving Automation Systems'作为本工作的直接灵感来源。