如何将 AI 与正确的数据连接起来？又该如何确保这些数据可靠、受控，并可用于新的应用场景？这些问题始终至关重要。但随着我们进入代理式 AI 能力日益增强的新阶段，新的问题也随之浮现：智能体能否理解请求背后的业务上下文？它能否在没有明确指令的情况下找到合适的数据？它能否检索所需信息，支持预测判断，并推动工作流程向前发展？

这些问题的答案，将直接影响智能体执行及时且有效操作的能力。

作为驱动 SAP Business Data Cloud 和 SAP Business AI Platform 的 AI 数据库，SAP HANA Cloud [HANA 云] 有助于整合企业数据、上下文和智能的基础架构，使 AI 智能体和应用能够基于可信的业务上下文进行推理，并采取有意义的行动。让我们看看 SAP HANA Cloud [HANA 云] 如何通过多模型处理、向量搜索以及基于知识图谱的检索增强生成（RAG）等能力，来支持代理式 AI 的发展。这些功能共同帮助 AI 应用和智能体理解不同类型的数据及其相互关系。

数据库成为采取行动的平台

设想一位业务用户通过自然语言与 SAP HANA Cloud [HANA 云] 智能体进行交互。用户可以询问不同客户之间的销售转化概率，智能体随后能够自动识别正确的数据库对象，获取相关数据，执行请求并返回结果。

这听起来是一种直观的体验，而事实确实如此。但这挑战了我们对数据库角色的传统认知。SAP HANA Cloud [HANA 云] 无需用户了解数据存储位置、对象结构或如何编写正确查询，即可帮助缩短意图与结果之间的距离，使业务问题更轻松地转化为数据操作。

对于开发者、管理员、数据科学家以及业务用户而言，这意味着以更便捷的方式开展数据与 AI 工作。复杂的数据库功能变得更易使用，AI 驱动的工作流也更容易启动。智能体能够更清晰地理解其所在的业务环境，并据此采取行动。

智能更贴近数据

在许多 AI 工作流中，数据需要在分析或应用智能之前被移动、提取或转换。这不仅增加了任务的复杂性，还可能导致 AI 应用场景与其所依赖的业务数据之间出现脱节。

SAP HANA Cloud [HANA 云] 通过嵌入式机器学习和预测功能，将 AI 能力更紧密地与数据结合，包括预测和机器学习模型库、用于自动化机器学习任务的 AutoML，以及对 SQL 和 Python 的 SDK 支持。

SAP 计划与 SAP RPT-1 AI 模型集成，进一步拓展了这一能力。在某些应用场景中，团队可通过 SAP AI Core 调用 SAP 的表格型 AI 模型，并直接从 SAP HANA Cloud [HANA 云] 获取预测结果。这为企业提供了另一种预测路径，尤其适用于缺乏构建自定义模型所需的数据科学资源或历史训练数据的情况。其结果是应用智能的方式更加灵活：团队可以在合适时训练自定义模型，或在需要时使用基于基础模型的预测。

记忆可使智能体随时间变得更加实用

目前，大多数 AI 交互都是基于单次会话的：用户提出问题，获得答案后便结束。但企业工作很少仅靠一次交互完成，而是跨越多轮对话、决策、工作流、异常处理和后续跟进逐步推进。如果智能体无法将上下文延续到下一次交互，其实际效用可能会受到限制。

SAP HANA Cloud [HANA 云] 专为支持 AI 智能体的长期记忆而设计，有助于在会话之间保留对话上下文、历史输入、决策和交互信息。这对于企业级 AI 来说是一个重要进展，使智能体能够获取更相关的业务背景，从而保持工作连续性并完成任务。

下一阶段从行动开始

将 AI 与业务数据连接，仅仅是迈向企业级 AI 未来的第一步。真正关键的是，当AI接触到这些数据后，它能否理解业务上下文？能否识别出重要信息？能否支持预测？能否触发下一步行动？能否在不同工作环节中传递记忆？

SAP HANA Cloud [HANA 云] 在从数据管理向代理式操作的转型过程中占据有利地位。作为 SAP Business Data Cloud 和 SAP Business AI Platform 的一部分，它有助于提供实现未来 AI 应用所需的数据、上下文和智能能力。

欲了解更多信息并观看演示，请观看点播网络研讨会《借助 AI 数据库增强你的智能体与应用：SAP HANA Cloud [HANA 云] 简介》。