Industry: OpenAI - In-house Data Agent

type: industry company: OpenAI team: data / engineering title: Inside OpenAI's in-house data agent url: https://openai.com/index/inside-our-in-house-data-agent/ source_name: OpenAI source_type: engineering-blog source_quality: official published_at: collected_at: 2026-07-08 status: analyzed topics:

agent
data-agent
enterprise-ai implementation_signals:
memory
rag
mcp
eval
permissions product_area:
data-analysis
internal-tools models:
GPT-5.2
Codex tools:
Evals API
Embeddings API
MCP benchmarks:

related_papers:

2026-memory-agent-survey related_jobs:
2026-07-08-baidu-aidu-agent-fullstack-engineer-beijing related_experiments:

related_projects:

evidence_level: high relevance: high

One-line Takeaway

高价值内部 Agent 不是只接一个数据库，而是把权限、表级知识、人工注释、代码增强、组织知识、记忆和运行时上下文做成系统。

What They Built or Claimed

OpenAI 构建了内部数据 Agent，用自然语言帮助员工探索和分析公司数据平台。资料描述了多层上下文、Agent API、Slack/Web/CLI/MCP 入口、记忆系统和安全边界。

Technical Signals

architecture: Agent API + internal knowledge + warehouse/platform sources + model/tool loop。
tool use: 查询数据、语义检索、精确文本检索、MCP 连接。
memory: 持续学习的记忆系统，用于提升后续查询。
evaluation: 使用 Evals API 作为构建工具之一。
safety: 内部权限和工作流是设计的一部分。
deployment: Slack、Web、IDE、Codex CLI、内部 ChatGPT。
data: 表使用、人工注释、Codex enrichment、institutional knowledge、runtime context。

Evidence Quality

官方工程博客，有系统结构、上下文层和落地入口，证据强。

Gaps for Us

需要沉淀一个“企业数据 Agent 架构”专题。

2.1 KiB Raw Blame History