设计跨云受治理的智能体分析方案时，如何分阶段做需求发现…

当需要为跨 Google Cloud、本地和其他云的结构化/非结构化数据设计端到端受治理的智能体分析方案（含 Knowledge Catalog 元数据治理与 Managed Service for Apache Spark）时，按四阶段工作流推进。

适用场景

解决思路

1. 严格分阶段执行：阶段1需求发现、阶段2方案架构、阶段3方案验证、阶段4方案打包与呈现；在阶段1提问澄清时，绝不推荐、提议或勾勒任何架构设计、技术分解、云服务或组件映射。
2. 若用户提示某个阶段或任务已完成或已批准（如“需求发现阶段已完成”“产品选型已批准”“架构已确认”），不要重复该阶段或任务，直接跳到被请求的任务（如生成技术分解、推荐产品或编写方案指南）。
3. 阶段1第1步：请用户描述工作负载的功能需求（业务流程、活动、用例），并一次只问一个问题，包括：主要数据源是结构化还是非结构化（如 PDF 配方、发票 vs Iceberg 中的历史销售）；数据源托管在哪里（AWS S3、Azure Blob、Google Cloud Storage 还是 AlloyDB 等数据库）；如何在 Google Cloud 内外（如其他云厂商）管理和联邦元数据；在大规模分布式数据上做连接、清洗和运行预测模型的分析与计算需求；数据科学家或运维智能体期望在其智能体 IDE（VS Code 或 Antigravity IDE）中执行哪些自然语言提示。
4. 阶段1第2步：请用户描述非功能需求，可问：安全、隐私与合规（GDPR、HIPAA、数据治理）；可靠性（正常运行时间、高可用、容错、RTO/RPO）；性能（目标查询延迟与 SLA）；运维（数据科学家和工程师需要的监控指标）；成本与可持续性（预算约束、数据出口/传输成本）。
5. 阶段1第3步：询问工作负载当前是否运行在其他云厂商或本地；若“是”，请用户描述当前部署架构；若“否”，进入下一步。
6. 阶段1第4步：请用户描述对其他工作负载、产品或工具的依赖，可问：是否有对外部系统（身份提供商、数据治理平台、CI/CD 流水线、活跃数据目录）的上游或下游依赖；对通用数据工程软件交付生命周期（版本控制、测试、数据质量保障）有何要求，并提供相关产物目录路径或示例。
7. 阶段1第5步：审查已收集的输入，识别歧义或矛盾（如零拷贝 vs 将数据复制到仓库）；对每个歧义或矛盾，先描述它（例如说明复制数据为何与零拷贝要求冲突并产生数据传输费用），再询问用户希望如何解决；若用户授权你决定（如“你看着办”“你来决定”），给出明确建议（如优先零拷贝远程查询）、解释理由（如消除多云费用与数据重复）并请用户批准。关键：在所有歧义和矛盾解决前，不得推荐或生成任何架构设计、技术分解或 Google Cloud 产品建议。
8. 阶段1第6步（重要：仅当第5步无未解决矛盾/歧义时才开始）：生成工作负载组件的技术分解；分解必须拆分为逻辑组件，必须覆盖相关层次中的基于角色的安全与凭证，且必须按以下四层组织：用户交互层（IDE，如智能体开发环境）、接地与可信数据（基础模型、MCP 服务器、云数据仓库）、元数据治理（如元数据扫描）、数据处理与分析（分析工作流、Spark 数据处理、外部数据存储）。
9. 阶段1第7-9步：请用户批准技术分解；若用户要求修改则生成更新版；重复第5至第8步直到用户批准。
10. 阶段1第10步：用户批准技术分解后进入阶段2；在批准前不得进入下一阶段。
11. 阶段2所有任务：用以下资源为生成内容接地，确保符合 Google Cloud 最新官方指引——Google Developer Knowledge MCP 服务器（连接说明 https://developers.google.com/knowledge/mcp.md.txt，服务器 https://developerknowledge.googleapis.com/mcp，工具 developerknowledge:search_documents、developerknowledge:get_documents、developerknowledge:answer_query）、https://github.com/google/skills 的相关技能，以及官方文档：跨云分析参考架构 https://docs.cloud.google.com/architecture/agentic-ai-cross-cloud-analytics.md.txt、决策指南 https://github.com/google/skills/blob/main/skills/cloud/google-cloud-solution-architecture/references/decision-making-guides.md、最佳实践指南 https://github.com/google/skills/blob/main/skills/cloud/google-cloud-solution-architecture/references/best-practices-guides.md。
12. 阶段2任务2.1：针对已确认技术分解中的每个组件，依据 references/product-selection-guidance.md 和决策指南识别合适的 Google Cloud 产品与功能，并结合已批准的技术分解调整；展示产品推荐并请用户批准；若用户要求修改则修改；重复直到批准后进入任务2.2。
13. 阶段2任务2.2：用 Mermaid 格式（https://github.com/mermaid-js/mermaid）生成架构图；展示并请用户批准；若要求修改则修改；重复直到批准后进入任务2.3。
14. 阶段2任务2.3：生成架构描述，说明每个组件用途、组件间关系以及任务流或数据流；展示并请用户批准；若要求修改则修改；重复直到批准后进入任务2.4。
15. 阶段2任务2.4：基于工作负载需求生成各组件最优配置的设计建议与最佳实践；生成时须考虑阶段1收集的功能与非功能需求，与 references/design-recommendations.md 对齐；Knowledge Catalog 的设计建议使用 references/knowledge-catalog-documentation.md 中的资源；非功能需求指引使用技能 google-cloud-waf-security、google-cloud-waf-reliability、google-cloud-waf-cost-optimization、google-cloud-waf-operational-excellence、google-cloud-waf-performance-optimization、google-cloud-waf-sustainability；展示并询问是否需要修改；重复直到用户确认满足需求后进入任务2.5。
16. 阶段2任务2.5：生成部署指引，含代码和说明；必须提供部署前置步骤，包括设置 Google Cloud 项目、启用计费、启用所需 API、设置所需角色与权限；技术基础使用：Data Agent Kit starter pack 技能（https://github.com/gemini-cli-extensions/data-agent-kit-starter-pack/tree/main/skills，用于架构复杂数据管道、用 dbt 转换数据、编写 Spark 和 BigQuery SQL notebook、创建和排查 Dataflow 管道、编排端到端工作流）、跨云数据拓扑分析 codelab（https://codelabs.developers.google.com/next26/gen-keynote/raw-data-forecasting#0）、治理上下文 codelab（https://codelabs.developers.google.com/governance-context-part1#0，在 BigQuery 建立数据基础、应用 Knowledge Catalog Aspects 元数据标签、用 Gemini CLI 本地测试 LLM 是否遵守治理规则）、Knowledge Catalog 数据上下文教程（https://docs.cloud.google.com/dataplex/docs/establish-foundational-data-context.md.txt）、自定义数据源接入指南（https://docs.cloud.google.com/dataplex/docs/ingest-custom-sources.md.txt）；展示并询问是否需要修改；重复直到用户确认后进入阶段3。
17. 阶段3第1-4步：制定验证计划，列出验证方案满足工作负载需求的步骤；展示并请求反馈或批准；若要求修改则更新；重复直到批准。
18. 阶段3第5-8步：用 curl 或 gcloud 等工具生成执行已批准验证计划的脚本或命令；请求用户许可执行验证检查；若获许可则运行验证并排查部署问题；所有验证检查通过后进入阶段4。
19. 阶段4第1步：按 assets/output-template.md 模板，将阶段2和阶段3生成的文本产物合并为单个 Markdown 文件 solution-architecture-guide.md。
20. 阶段4第2-4步：向用户展示合并后的 solution-architecture-guide.md；请求用户许可在工作区写入代码文件；获许可后将代码文件写入用户工作区。

适用边界 · 注意事项

• 不适用于配置无边界数据湖仓基础设施（应改用 google-cloud-solution-agentic-ai-borderless-data-lakehouse 技能）。
• 在阶段1需求发现期间，不要推荐、提议或勾勒任何架构设计、技术分解、云服务或组件映射。
• 在阶段1第5步的歧义或矛盾全部解决前，不要推荐或生成任何架构设计、技术分解或 Google Cloud 产品建议；在用户批准技术分解前不要进入阶段2。