Data for AI 的关键路径（二）：从批处理 → 行为流
AI数据处理模式从批处理（历史数据分析）转向行为流（实时数据感知）
一、关键差异
- 批处理：完整体拍照→统一处理→获得历史洞察
- 行为流：连续录像→实时处理→预测下一帧
二、技术要素
- 事件：行为数据原子（点击、传感数据）
- 流引擎：持续处理心脏（如RisingWave）
- 状态：上下文记忆
- 智能代理：消费实时数据并决策
三、为何必须转向事件
- 因果可回溯：每条记录即行为原语（用户做了什么、何时何地、来源与上下文），具备时间与因果性，可精确还原路径与责任
- 低延迟反馈：从分钟/天级延迟，缩短至毫秒/秒级，使闭环策略（推荐、风控、调度）即时生效
- 增量计算优于重算：幂等事件+水位线，支持去重、溯源、精确一次语义，减少重算
- 状态化视图：为 Agent 提供实时画像/会话状态、兴趣演化与意图识别，减少“冷启动”和误判
- 模型对齐：事件具备可解释标签，便于在线/离线训练、监控漂移与反馈学习
核心价值：实现"当前情景感知+未来预测"