SiriusDeliver: Mengotomatiskan Pengiriman Data Warehouse di Tencent

Agen LLM end-to-end yang mengorkestrasi keterampilan warehouse, mengendalikan siklus hidup artefak, dan berkembang dari jejak pengiriman untuk memangkas waktu pengiriman median dari 228 menjadi 23 menit

Haining Xie; Xiaokai Zhou; Jiaming Yang; Siqi Shen; Ziwei Wang; Yifeng Zheng; Tengyue Xu; Yipeng Shi; Zefang Zong; Yang Li; Peng Chen; Jie Jiang; Debiao He; Xiao Yan; Jiawei Jiang· 2026· DOI 10.48550/arXiv.2608.09185

Masalah inti

Data warehouse (DW) perusahaan menopang analitik yang krusial bagi bisnis, namun pengiriman tugas warehouse tetap menjadi proses produksi yang rumit. Menurut para penulis (Haining Xie, Xiaokai Zhou, Jiaming Yang, Siqi Shen, Ziwei Wang, Yifeng Zheng, Tengyue Xu, Yipeng Shi, Zefang Zong, Yang Li, Peng Chen, Jie Jiang, Debiao He, Xiao Yan, dan Jiawei Jiang), proses ini mencakup pengambilan konteks, konfigurasi alur kerja, pembuatan kode, pengajuan ke platform, dan diagnosis kegagalan. Meskipun large language model (LLM) dan agen coding telah memajukan pengembangan perangkat lunak, keduanya belum memadai untuk pengiriman DW produksi. Pengiriman produksi menuntut orkestrasi yang sadar dependensi, kendali artefak yang sadar siklus hidup, dan adaptasi berkelanjutan terhadap praktik platform yang terus berkembang—persyaratan yang tidak dipenuhi agen coding generik. Untuk menjawab kesenjangan tersebut, para penulis memperkenalkan **SiriusDeliver**, agen otomatisasi pengiriman end-to-end untuk pengajuan tugas warehouse produksi. Sistem ini dievaluasi melalui dataset offline dan penerapan produksi berskala besar di Tencent Cloud WeData. Eksperimen offline pada kasus pengiriman warehouse duni

Inovasi

Para penulis mengevaluasi SiriusDeliver melalui eksperimen offline dan penerapan produksi berskala besar di Tencent Cloud WeData. **Eksperimen offline**: Pada kasus pengiriman warehouse dunia nyata, SiriusDeliver meningkatkan keberhasilan pengiriman dan efisiensi otomatisasi dibandingkan baseline representatif. **Penerapan produksi**: Selama penerapan dua bulan di 6 tim bisnis dan 4 jenis tugas warehouse, SiriusDeliver melayani 3.600 pengguna aktif bulanan dan mendukung 18.240 sesi pengiriman. Sistem ini mencapai **tingkat keberhasilan end-to-end 87,2%** dan **tingkat pengajuan otonom 73,5%**. **Uji A/B**: Uji A/B selama satu bulan menunjukkan bahwa SiriusDeliver menurunkan waktu pengiriman median dari **228 menjadi 23 menit** dan upaya engineer dari **95 menjadi 11 menit**, sambil mempertahankan keberhasilan pengiriman akhir yang sebanding. Hasil ini menunjukkan bahwa SiriusDeliver tidak hanya mengotomatiskan pengiriman tetapi juga secara signifikan mengurangi waktu dan upaya yang dibutuhkan engineer. Metrik kinerja utama dapat diringkas sebagai berikut: | Metrik | Nilai | |--------|-------| | Pengguna aktif bulanan | 3.600 | | Sesi pengiriman (2 bulan) | 18.240 | | Tingkat k

Data warehouse (DW) perusahaan menopang analitik yang krusial bagi bisnis, namun pengiriman tugas warehouse tetap menjadi proses produksi yang rumit. Menurut para penulis (Haining Xie, Xiaokai Zhou, Jiaming Yang, Siqi Shen, Ziwei Wang, Yifeng Zheng, Tengyue Xu, Yipeng Shi, Zefang Zong, Yang Li, Peng Chen, Jie Jiang, Debiao He, Xiao Yan, dan Jiawei Jiang), proses ini mencakup pengambilan konteks, konfigurasi alur kerja, pembuatan kode, pengajuan ke platform, dan diagnosis kegagalan. Meskipun large language model (LLM) dan agen coding telah memajukan pengembangan perangkat lunak, keduanya belum memadai untuk pengiriman DW produksi. Pengiriman produksi menuntut orkestrasi yang sadar dependensi, kendali artefak yang sadar siklus hidup, dan adaptasi berkelanjutan terhadap praktik platform yang terus berkembang—persyaratan yang tidak dipenuhi agen coding generik.

Untuk menjawab kesenjangan tersebut, para penulis memperkenalkan **SiriusDeliver**, agen otomatisasi pengiriman end-to-end untuk pengajuan tugas warehouse produksi. Sistem ini dievaluasi melalui dataset offline dan penerapan produksi berskala besar di Tencent Cloud WeData. Eksperimen offline pada kasus pengiriman warehouse dunia nyata menunjukkan bahwa SiriusDeliver meningkatkan keberhasilan pengiriman dan efisiensi otomatisasi dibandingkan baseline representatif. Hasil penerapan, yang diuraikan pada bagian Hasil, menunjukkan peningkatan substansial pada tingkat keberhasilan dan produktivitas engineer.

Mengapa penting

Hasil tersebut menunjukkan bahwa SiriusDeliver secara efektif mengatasi keterbatasan agen coding LLM generik dalam pengiriman DW produksi. Agen pengiriman hierarkis memungkinkan orkestrasi yang sadar dependensi, yang penting untuk tugas warehouse yang kompleks. Modul kendali siklus hidup artefak memastikan artefak diverifikasi dan direvisi sebelum dan sesudah eksekusi platform, sehingga mengurangi kegagalan. Mekanisme evolusi keterampilan yang digerakkan jejak memungkinkan sistem terus beradaptasi terhadap praktik platform yang berkembang, sehingga kinerja tinggi terjaga seiring waktu. Penerapan di Tencent Cloud WeData di 6 tim bisnis dan 4 jenis tugas warehouse memvalidasi skalabilitas dan ketangguhan sistem. Tingkat keberhasilan end-to-end 87,2% dan tingkat pengajuan otonom 73,5% menunjukkan bahwa sistem dapat menangani volume sesi pengiriman yang besar dengan intervensi manusia minimal. Hasil uji A/B menunjukkan penurunan drastis waktu pengiriman median (dari 228 menjadi 23 menit) dan upaya engineer (dari 95 menjadi 11 menit), yang menyoroti dampak praktisnya terhadap produktivitas engineering. Namun, para penulis mencatat bahwa sistem dievaluasi pada platform tertentu (Tencent Cloud WeData) dan mungkin memerlukan adaptasi untuk platform lain. Pekerjaan selanjutnya dapat mengeksplorasi generalisasi lintas platform dan lebih meningkatkan tingkat pengajuan otonom. Secara keseluruhan, SiriusDeliver merupakan langkah signifikan menuju otomatisasi end-to-end pengiriman data warehouse, dengan memadukan kemampuan LLM dan orkestrasi khusus domain serta kendali siklus hidup.

Siapa yang sebaiknya membaca

Praktisi dan peneliti ilmu komputer

Membuka konten member…