Snowflake Intelligence：从回答问题到执行任务的个人工作 Agent ｜ 技术趋势
一句话看懂：Snowflake 对其 AI 产品 Snowflake Intelligence 进行了重大升级，使其从仅能回答问题的只读工具，转变为一个能代表用户跨系统执行任务（如写邮件、创建 Jira 工单、发送 Slack 消息）的“个人工作 Agent”。这意味着企业 AI 应用正从纯粹的“问答”迈向“行动执行”阶段。
事件核心：发生了什么
Snowflake 宣布为其 AI 产品 Snowflake Intelligence 推出多项关键更新，核心是将智能体能力从“生成洞察”延伸到“采取行动”。具体包括：
1. MCP 连接器：允许智能体直接连接 Gmail、Google Calendar、Google Docs、Jira、Salesforce、Slack 等第三方工具，在用户不离开工作流的前提下执行操作。
2. Deep Research：一种多智能体、多步骤的分析能力，能跨数据孤岛回答复杂的“为什么”问题，并生成带有引用的结构化报告。
3. iOS 移动应用：将智能体能力带到移动端，支持 Face ID 快速登录。
4. Artifacts 和 Skills：用户可将分析结果保存为可共享、可复用的交互式输出（Artifacts）；预设的“技能”（Skill）能将重复任务简化为一次提示即可触发的工作流。
5. 治理与控制：所有行动均在原有数据访问控制、行级策略和角色权限内执行，并新增预算控制和身份提供商集成（Okta、Microsoft Entra ID）。
目前，该产品已服务于 9,100 多家客户，并向业务用户开放。
为什么重要
这次升级标志着 Snowflake 从“企业数据仓库”向“Agentic Enterprise 控制平面”的关键一步。传统 AI 工具往往止步于给出洞察，而用户仍需手动跨应用执行下一步。Snowflake Intelligence 将智能体直接嵌入数据所在的平台，使得 AI 既能“读懂”业务语境，又能“操控”业务工具。这种架构解决了一个核心痛点：Agent 失败常常不是因为不够聪明，而是缺乏对企业具体数据、流程和权限的上下文理解。Snowflake 通过让智能体运行在已治理的数据平台上，将 AI 的动作限制在企业原有的安全边界内，降低了从实验走向大规模部署的信任门槛。
对用户/开发者/创作者的影响
对于业务用户：最直接的变化是从“问数据”变成“让AI干活”。例如，销售负责人只需一次对话，就能让智能体分析管道风险、草拟跟进邮件、并将摘要发到 Slack。这大幅缩短了从洞察到行动的时间。
对于开发者和数据团队：他们可以基于 Cortex Agents 构建可复用、可版本管理、可回滚的 Agent 工作流，并通过 CI/CD 持续迭代。安全代码执行沙盒的加入，允许在 Agent 内部进行更复杂的自定义运算和统计操作。
对于企业采购和合规人员：所有操作的完整审计能力、基于角色的访问控制、以及预算管理功能，使 AI 的采用过程满足企业合规和安全要求。这是大型组织愿意从实验转向生产的核心前提。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
1. 产品落地与客户验证：目前 Capita、United Rentals、Telenav 等客户已公开反馈使用效果，他们分别在决策速度、运营效率方面取得了提升。下一步需关注更多中大型企业的实际部署案例和 ROI 数据。
2. 竞品动向：Snowflake 这一举措直接触及 Salesforce、Microsoft 等生态内工具的 Agent 功能。这两家平台是否会跟进类似的“跨系统行动 Agent”，或通过其他方式（如 Copilot、Einstein GPT）增强自身 Agent 的执行能力，值得观察。
3. MCP 连接器的生态扩展：目前连接器支持 Gmail、Jira、Slack 等常用工具，但覆盖面仍然有限。连接器数量能否快速增加，以及第三方开发者能否自主创建新连接器，将直接影响该产品的普适性和竞争力。
来源：InfoQ CN
