大金应用美洲公司如何借助Genie Code大规模构建一致的数据管道

大金应用美洲公司（Daikin Applied Americas，简称DAA）是北美商用暖通空调系统的领先制造商和服务商，管理着来自设备遥测、供应链和现场服务记录等海量运营、制造和服务数据。随着企业分析和人工智能用例的不断增加，数据团队面临着前所未有的压力。为了应对这一挑战，DAA团队彻底重新定义了数据管道的设计、构建和治理方式，并利用Databricks的Genie Code来加速执行。

团队首先引入了一个MECE（相互独立，完全穷尽）技能框架。每个技能定义了数据工程生命周期中的一个特定能力，包括勋章架构设计、源就绪性、转换模式、规范对齐和治理标准。这些技能相互独立且覆盖了完整的工作流程。与早期依赖长提示的做法不同，团队将环境结构化，使得Genie Code在运行时加载适当的技能，并在规划和执行过程中应用它们。这从根本上改变了行为模式：从解读临时指令转变为在定义好的执行模型内操作。

同时，团队强化了勋章架构（Bronze、Silver、Gold）的作用，将其作为明确的决策边界，而不仅仅是存储层。Bronze层代表原始数据，Silver层是清洗和规范化后的数据，Gold层则是业务就绪的分析数据。为了将这一结构付诸实践，团队在层之间引入了检查点，例如源粒度定义、连接验证和数据稳定性检查。这些检查点直接嵌入开发工作流中，而不是作为下游审查步骤，从而确保团队间的一致性，并减少快速开发期间出现架构捷径的风险。

为了弥合技术模型与业务语言之间的差距，团队将管道设计锚定在稳定的业务实体上，如设备、客户、服务事件和合同，而不是技术表结构。工程师首先识别数据代表什么以及它如何随时间变化，这提高了下游工作的效率，并减少了数据集跨域复用时的歧义。

实施新运营模型后，团队看到了显著变化：管道开发加速，特别是在早期探索和迭代阶段；团队间输出更加一致；对AI生成内容的信任度提高。关键决策被标准化，包括Bronze、Silver、Gold数据的定义、源粒度的定义、可复用的转换模式以及业务实体的表示方式。这确保了AI在一致的框架内运行，即使用例不断演变。

DAA数据与分析高级总监Trent Lezer表示：“Genie Code最好被当作一个工作速度很快，但必须像其他人一样遵守相同架构约束的初级工程师来对待，没有‘因为是AI’的特殊豁免。”他强调，目标不是让AI遵守更多规则，而是让正确的规则无法忽视。

最终，这种结构化运营模型与AI辅助开发的结合，使得DAA数据团队能够在保持一致性、清晰度和控制力的同时，更快地实现规模化。团队创建了一个速度和治理相互促进的系统，而不是相互竞争。