# 策展 · X (Twitter) 🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Ashpreet Bedi (@ashpreetbedi) · 平台：X (Twitter) · 日期：2026-04-08

> 原始來源：https://x.com/ashpreetbedi/status/2041653884536357122

## 中文摘要

Dash v2 是一個具備自我學習能力的資料 Agent 系統。

Dash v2 是一個開源的資料 Agent 系統，透過六層情境感知與自我學習迴圈，解決傳統 Text-to-SQL Agent 因缺乏脈絡與記憶而導致的失敗問題。

**核心設計理念**
Text-to-SQL Agent 常見的失敗原因在於 Schema 缺乏意義、部落知識（tribal knowledge）缺失，以及無法從錯誤中學習。Dash 透過六層情境（Context）與學習迴圈來解決這些痛點，確保 Agent 輸出的 SQL 不僅正確，且具備業務意義。

**系統架構與運作機制**
Dash 由工程師與分析師兩個 Agent 組成，並透過六層情境來處理查詢：
- Table metadata：包含 Schema、欄位與關聯資訊。
- Human annotations：包含指標定義與業務規則。
- Validated query patterns：已驗證可運作的 SQL 模式。
- Institutional knowledge：文件與 Wiki 等組織知識。
- Learnings：錯誤模式與已發現的修正方案。
- Runtime context：即時的 Schema 檢查。

此外，Dash 具備自我學習迴圈：當 Agent 執行查詢遇到錯誤時，會自動診斷問題、進行修正並儲存結果，確保未來不再重複相同的錯誤。

**資料安全與權限隔離**
Dash 採用雙 Schema 系統，在結構上隔離公司資料與 Agent 管理的資料：
- Public Schema：存放公司資料，由外部載入，對 Agent 而言僅為唯讀。
- Dash Schema：由工程師 Agent 管理，存放 View、摘要表與計算資料。

安全性方面，Dash 透過 RBAC 與 JWT 驗證，並在資料庫層級強制執行權限（而非僅靠 Prompt 指令），確保 Agent 無法執行破壞性 SQL 或跨越 Schema 邊界。開發者甚至設計了評估套件（eval suite），專門測試 Agent 是否會洩漏憑證或執行危險操作。

**基礎設施與部署**
Dash 的基礎設施設計刻意保持「無聊」（標準化），95% 的運行邏輯與一般服務無異，降低維運複雜度：
- 支援 Docker Compose 本地開發。
- 支援 REST API、Slack、Web UI 等多種介面，且共用同一套 Agent 定義。
- 提供一鍵雲端部署（如 Railway）。

**開發者反思**
作者在開發過程中體悟到，Agent 本身其實是最簡單的部分，系統周邊的工程才是關鍵。將記憶儲存在資料庫而非檔案中，能輕易實現多租戶（multi-tenancy）；在資料庫層級而非 Prompt 層級實施權限控管，才能獲得真正有效的安全性。當賦予 Agent 儲存學習成果的能力時，每一次的查詢都會讓下一次的表現變得更好。

## 標籤

Agent, 開源專案, Dash