一次大盘异动分析，过去要等到小时级才出结果，现在是分钟级。这个差值是郑吉敏团队做国际酒店 Data Agent 最直观的产出——但真正难的不是把分析做快，而是让结论变成动作。
OTA 国际酒店的分析本身就不友好：8 大业务模块、数十个可叉乘的下钻维度、小时级的时效要求。传统模式长期停在「取数—报表」，中间存在三重断裂：取数与分析断裂，分析要依赖商分排期；分析与决策断裂，报告写完了就止于结论；决策与动作断裂，动作做完了没有回验闭环。
所以选型时他们放弃了两条更省事的路。固定规则引擎覆盖不了自由叉乘的维度组合，BI 加一层 LLM 包装只是把取数入口换成对话框。最终选择的是 Agent 原生架构，且是双系统：System1 用 ReAct 规划加业务分析框架，负责控全局的「快思考」；System2 用 MCP 做精确取数执行，负责保准确的「慢思考」。四层架构分别是模型层（推理 LLM + think tool）、业务层（指标公式 / 分析框架 / few-shot）、数据层（全模块 MCP）和工具层。
其中一条架构原则值得单独记：LLM 不加工任何业务数据，指标口径 100% 由业务数字化系统保证，从根源上消除口径幻觉。
归因体系由根公式驱动——间夜 = 流量 × 转化 × 单订单间夜，逐级拆解；Multi-Agent 分四级（大盘 / 区域→国家 / 城市 / 酒店→流量 / 转化 / 新老客 / 产品力），支持维度自由叉乘；方法论上是双基准对比（DoD + WoW）、贡献度 pp 归因、价格 × 转化双向验证和 σ 异常检测。服务模式也从被动问答改成主动巡检：日维度 case 巡检暴露风险，周维度方向分析指导策略。能力则通过 Skill 化从间夜一个指标扩展到赔付治理、定价佣金差、顺畅度等服务质检场景。
10 月 23-24 日，DACon 2026 北京站，去哪儿网国际酒店 CTO 郑吉敏将带来演讲《OTA 业务 Data Agent 的边界突破与规模化落地》，复盘三次边界突破与背后的工程解法。
最值得听的是信任鸿沟这一段：AI 分析结论即使准确率很高，业务方依然不敢直接据此执行——错误禁用一个代理商算法、错误封禁一个用户的赔付权限，业务代价远大于一次分析报告出错。他们的解法是分层人机协同与渐进式验证：AI 承担全量扫描、模式识别和归因定位，关键业务动作必须由人决策，高风险动作走「小流量实验→数据验证→规模推广」，比如巴厘岛先按马甲 + 地区禁用、观察 2 周再看数据；同时把归因链路、判断阈值全程显式化、可追溯、可复核，用一个个验证成功的闭环逐步积累组织信任。数据地基同样是硬骨头——MCP 对接的是业务系统接口而非数仓裸表，跨模块 trace 要连通才能保证多维组合时口径一致。模型侧则做过一次 Claude→GLM 的选型验证，token 成本降低 95%。
郑吉敏，去哪儿网国际酒店 CTO。
你能带走：
-
一套可复用的业务 Data Agent 架构方法论：ReAct + Multi-Agent 双系统设计、全模块 MCP 数据层、从单体 Agent 到 Skill 化的演进路径，以及「LLM 不碰业务计算」的取舍逻辑 -
一条从分析闭环跨越行动闭环的实战路径：归因如何收敛、AI 结论如何映射为治理动作、人机协同如何分工，附代理商治理等经真实效果验证的案例 -
规模化落地的工程与组织经验：幻觉治理（图片 URL 幻觉、大 JSON 截断、工具名编造、相对日期理解）、模型成本、Skill-Based Access Control 权限对齐与跨团队协作机制
📅 时间：2026年10月23-24日
📍 地点：北京希尔顿逸林酒店
🔥 DACon 2026 北京站，15 个分论坛，60+真实应用案例，2 天沉浸式学习交流，现场还会组织闭门会、晚场圆桌交流，讲师们会围绕具体的技术点进行介绍，旨在丰富大家在参会体验，希望大家不虚此行，满载而归。
