近日，云原生湖仓厂商 Databend Labs 宣布，国内某头部 AI 大模型企业已基于 Databend Cloud 完成全链路 Agent Trace 数据平台的建设。
近日，云原生湖仓厂商 Databend Labs 宣布，国内某头部 AI 大模型企业已基于 Databend Cloud 完成全链路 Agent Trace 数据平台的建设，旨在让源于其万亿级强化推理大模型及所有应用的 Trace 数据释放出可分析、可评测的业务价值，为模型优化、问题归因与 Agent 产品迭代提供统一且坚实的数据底座。
当 Agent 任务从分钟级走向小时级，Trace 不再是日志
大模型的演进正从对话式交互向长上下文推理与复杂 Agent 任务延伸。一次 Agent 任务可能持续数小时，涉及数千次工具调用，累计处理数百万 Context Tokens。模型的输入输出、工具返回结果、执行状态与中间产物持续交织，形成大量动态演进的 Span，最终汇聚为庞大而复杂的 Trace 链路。
该企业开源万亿级强化推理大模型投入生产后，在线 Trace 写入吞吐达到每小时 TB 级。对工程团队而言，这些 Trace 的意义早已超越传统「日志」范畴——它们既是故障排查的依据，更是开展 Evals（评测）、链路归因与效果分析的核心数据资产。如何在高吞吐持续接入的同时，实现原始数据的完整留存、增量加工、安全治理与历史回溯，已成为 Agent 规模化落地过程中必须跨越的数据基础设施门槛。
解构复杂技术栈：一条连接 Trace 与 Evals 的统一数据管道
面对结构持续演进的 Agent Trace，该企业基于 Databend Cloud 构建了一条贯穿「实时接入—增量清洗—评测分析」的极简数据管道。来自 Web App 端与 Agent 运行环境的 Trace/Span 事件，经 Kafka 汇聚后直接写入 Databend Cloud。
不同于传统数仓需为每一轮模型升级频繁变更 Schema 的繁重维护模式，Databend Cloud 以 VARIANT 类型完整保留原始 JSON 记录。即使 Prompt 模板、工具调用接口或评测规则随模型版本快速迭代，接入层也无需停机调整表结构，确保了全量原始数据的无损留存，为后续的深度解析与历史回溯打好基础。
在数据加工环节，Databend Cloud 摒弃了传统大数据平台「全量定时重算」的高成本模式，通过 Stream 与 Task 的增量计算机制，仅对新流入的 Span 数据进行实时解析、字段抽取与结构化建模，并将结果自动写入面向分析的 Trace 集中表。这套「增量流式处理」策略将数据持续写入与上层深度分析解耦，既大幅降低了计算资源消耗，也最大程度保障了数据的时效性。
通过将原始留存、增量转换与标准 SQL 分析能力整合在同一云原生湖仓平台中，工程团队可以无缝完成长链路查询、异常溯源与 Evals 数据集生产，真正实现「每一次 Agent 运行都在为下一次模型优化积蓄力量」。
物理级资源隔离与细粒度治理，保障生产链路稳健运行
每小时 TB 级的 Agent Trace 管道需要同时承载三类高并发负载：持续高吞吐的数据写入、后台高频的增量清洗建模，以及工程师与算法专家随时发起的即席查询与 Evals 评测。传统架构下，这三类负载极易相互争抢算力，导致写入延迟或查询超时。
Databend Cloud 基于云原生存算分离架构，将持久化数据统一托管在客户自有的对象存储中，并为写入、加工、分析等不同环节配备完全独立的弹性计算仓库（Warehouse）。各环节资源可按实际负载独立扩缩容，既保障了生产链路在业务峰值下的绝对稳定性，又避免了为偶发高峰长期预留冗余算力带来的资源浪费。
与此同时，数据安全与合规治理能力也被原生融入管道之中。借助细粒度的动态脱敏策略（Masking Policy），平台可对 VARIANT 类型中嵌套的半结构化字段进行精准掩码，确保不同团队仅能访问其工作所需的字段范围。在严格满足数据安全合规要求的前提下，最大程度释放 Trace 数据的分析价值。
高效完成生产部署，将工程精力回归模型与算法创新
得益于 Databend Cloud 全托管服务与极简架构设计，该企业在两周内即完成从测试验证到生产上线的全流程，开始稳定承载万亿级强化推理大模型产生的海量 Agent Trace。通过将数据接入、增量调度、计算治理与安全策略集中整合于单一平台，整体系统复杂度显著降低，跨平台数据链路的运维负担与故障风险同步归零。
精简的数据架构，让工程团队得以从繁琐的基础设施运维中彻底解放，将宝贵精力聚焦于真正决定 Agent 质量的核心工作——完善 Evals 评测集、优化 Harness 框架，以及加速模型、Prompt 与工具链的下一次迭代。
让数据成为 Agent 进化的永续引擎
百万级上下文窗口与复杂工具调用能力，赋予了 Agent 处理更长、更开放任务的潜力，也让每一次运行所产生的数据成为前所未有的关键资产。对于正在推进 Agent 生产化落地的团队而言，数据平台需要回答的不再只是「能否存下这些 Trace」，而是能否以持续、稳定、安全的方式完成接入、加工与分析，并将其转化为可指导决策的评测反馈。
该头部 AI 企业的实践为行业提供了一条清晰路径：以云原生湖仓一体的极简架构，将实时接入、Schema 自由演进、增量计算、物理隔离与历史回溯深度融合，构建起一条高效、稳定且低成本的 Trace 数据管道——让数据真正成为驱动 AI 模型与 Agent 产品持续进化的核心引擎。
关于 Databend Labs
Databend Labs 是开源云原生湖仓 Databend 及全托管云服务 Databend Cloud 的出品方。Databend Cloud 基于对象存储原生架构，将分析、搜索与 AI 向量检索能力整合于统一的 SQL 平台，帮助企业技术团队轻松构建现代应用与 AI 工作负载所需的数据管道，摆脱复杂数据技术栈的运维负担。
来源：互联网
