今天，Agentic Engine 全新发布。我们把数据与增长的能力，交到更多人手里：产品、运营、分析、增长人员和开发者。
工具不用切换，上下文不用中断，你正在用的 Agent 也能直接调用这些能力——在 Claude Code、Codex、Cursor 里写代码，在 WorkBuddy、豆包工作、千问办公里处理日常工作。
现在，一个人就能用 Agentic Engine 把用户的问题查清楚，查出来的结论能追到来源、接上行动和验证，团队确认过的方法也能让每一个成员复用。
1. 不用等排期：用 Agentic Engine 查清用户问题
开会时想多看一个用户群，复盘时发现一个值得追的变化，问题并不复杂，按照过去的工作流程，却要整理需求、找人取数、等结果。决策时效拉长，让原本能够及时定位的问题延迟发现，对最终的决策效果带来难以估量的损伤。
现在，在 Agentic Engine 里，你只需要用一句话描述想弄清的问题。就可以在你的 Agent 中，完成查询和计算，生成报表、看板或图表，结果旁边就能看到使用了哪些数据，保存下来还能随时接着追问。已有项目按权限直接分析；同时，Agentic Engine 支持 CSV、Excel导入，确认好字段含义、用户标识和事件时间即可自动识别并上传，让更多业务数据组合为更完整的业务全景。
对话生成看板：一句话描述想看的内容，Agent 搭出新用户看板
对于习惯在 WorkBuddy、Claude Code、Codex 等 Agent 里工作的人来说，可以直接安装 AE-CLI 和配套的 Skills，让自己的 Agent 在授权范围内直接调用这些能力。
开发者写完一个功能，可以在同一个会话里让 Agent 设计埋点方案、写好埋点代码，再在 Agentic Engine 里逐条核对上报；功能上线后，接着问它用户用得怎么样。
本地 Agent 写埋点：在 Claude Code 里通过 AE-CLI 写入埋点，再用 Agentic Engine 的 Debug 模式核对上报
不论是产品想知道新功能用户到底用不用，还是运营想复盘活动里哪一步流失最多，增长想看不同渠道哪个更值得投入，客服想弄清用户反馈背后的真实操作——每一个岗位角色都可以在自己常用的 Agent 里，通过与 Agent 沟通，将复杂数据接入 Agentic Engine，缺的行为记录让 Agent 调用 AE-CLI 出一份埋点方案，就可以从要解决的问题出发，倒推该看哪些数据，不用再等报表做好。
2. 追溯分析结论，在执行前保障落地效果
在 Agentic Engine 里，我们让每个结论都能追到来源。指标用的是哪个定义、哪段时间、哪些筛选条件，都列在结果旁边；觉得数字不对，可以一层层下钻到维度和明细，也可以换一种算法交叉比对。团队确认过的口径写进知识库，Agent 下一次分析会先按这套定义来算。
方法本身，也是能力的一部分。我们把十年积累的分析方法写成了 Skills：留存该怎么拆，渠道该怎么比，实验该怎么设计。你可以按业务场景，使用 ThinkingAI 整理的 Skills 直接试跑，也可以按自己的业务修改。
下钻分析：结果旁边列着指标定义、筛选和分组条件；两种解释都有证据时，先做哪件由人来定
Agentic Engine 还能汇总社区、应用商店和评论里的话题与情绪，并附上原文证据。用户当时为什么离开、为什么没有付费，现在可以直接问清楚。
我们新推出的 AI 用户研究平台 Heari.ai，能与 Agentic Engine 打通。你可以把一个研究问题交给它，由 AI 准备访谈提纲、与用户实时对话并追问，整理出附有原话证据的洞察报告，供研究者审核。接入 Agentic Engine 后，在用户研究完成后，还能按用户行为圈人，在关键时刻发起访谈，把用户的解释和实际行为放在一起核对，再据此形成产品或运营的改进方案。随着对 Agentic Engine 的使用逐步深入，你还可以让 Agent 根据分析和访谈中的发现，制定运营触达方案、搭建 A/B 实验，用真实用户行为验证改进是否有效。验证结果再回到分析与知识库，成为下一轮研究和改进的起点。给用户发送触达、调整线上流量等关键动作，仍由负责人确认后执行。
这样的验证也不只适用于产品改版。一个活动该配哪种玩法，一篇文案该用哪个版本，与其在会上争论，不如搭一个 A/B 实验，用真实用户行为来做判断。
3. 团队协作：让个人方法持续复用
当团队每个人都用上 Agent 以后，单人产出快了很多，团队却未必跟着变快。十个人一分钟就能各自生成一份报告，可如果每份报告的口径都不一样，决策时仍然需要花时间对齐。
Agentic Engine 让每个人继续用顺手的 Agent，背后读写同一份数据、同一套口径和同一个工作空间。分析得出的结论、准备修改的问题、已经做过的验证，都记在同一个事项里。接手的人用自己的 Agent，就能从源头读到完整的背景，不用再层层转述。企业还可以由管理员配置飞书机器人，让成员在群聊里直接发起任务。
多入口协作：不同角色用各自习惯的 Agent，背后读写同一份数据、口径、Skills 和事项
一个需求从发现到落地，现在可以这样流转：产品在复盘用户反馈时发现问题，让 Codex 结合 Agentic Engine 的数据去查，发现缺一个关键行为的记录，就建了一个事项交给运营；运营在 WorkBuddy 里根据事项背景设计埋点方案，研发在 Claude Code 里写好埋点代码并完成校验；新数据回来后，产品验证、复盘，再把结论推回给最初提问的人。整个过程，无需打开 Agentic Engine 界面，工作在大家各自的 Agent 之间自动完成信息传递、共创执行与最终的效果验收。
为了进一步保障团队上下文对齐，Agentic Engine 当中的团队知识、Skills 与事项拥有完整的权限与版本管理能力：新内容写入要经过负责人审核，有问题可以回滚。面向需要私有化部署、数据不出客户环境的企业场景，Agentic Engine 也继续提供完整的承载能力。
工作空间：分析资料和阶段结论留在团队空间里，后来的人和 Agent 可以接着用
过去，数据驱动增长更多属于有数据团队的公司：有人埋点，有人分析，有人做访谈和实验，一个问题才能被认真查完。现在，这套专业能力可以进到每个人手边的 Agent 里。熟悉业务的人可以自己把想法推进到验证，小团队也能用上成熟的分析方法；一个人验证过的经验，会变成团队接着用的方法。
过去十年，我们帮企业把数据用好。接下来，我们希望让每个 Agent 都拥有业务增长的能力，让理解用户、验证想法，也能跟上做产品的速度。
现在，从一个想法开始，让 Agentic Engine 帮你落地！
