Cortex Framework v7 正式发布：把 SAP 数据变成可供 AI Agent 执行的业务上下文

预计阅读时间：11 分钟

企业部署 AI Agent 时，真正棘手的通常不是调用大模型，而是如何让 Agent 准确理解订单、库存、采购和财务数据，同时不把额外压力施加到 SAP ECC 或 S/4HANA 等关键系统上。Google Cloud Cortex Framework v7 已正式可用，其核心变化是将 SAP 数据整理成部署在 BigQuery 和 Knowledge Catalog 中、带有业务语义的数据产品，并使用 Dataform 简化依赖管理与流水线编排。

Agent 需要数据产品，而不只是表

原始 SAP 表适合事务处理，却未必适合直接交给大模型。字段缩写、系统间定义差异、自定义 Z 字段以及币种精度规则，都可能让一个语法正确的查询得出业务上错误的答案。

Cortex Framework v7 提供面向 SAP ERP 和 SAP Business Data Cloud 的数据产品加速器，将源系统记录转换成更清晰的业务实体。数据产品可以携带字段描述、标签和其他便于 AI 使用的元数据，并在部署后自动注册到 Knowledge Catalog，供数据团队和 Agent 发现。

这层语义转换直接影响 Agent 的执行质量。例如，一个采购 Agent 不应只看到 EBELN、MATNR 或某个自定义 Z 字段，而应知道它们分别代表采购订单、物料以及企业定义的业务属性。v7 还原生处理 SAP TCURX 币种小数位偏移等高级逻辑，避免金额在分析和 LLM 上下文中被错误放大或缩小。

发布内容还包括面向数据产品构建器的 Agent skills。数据与知识工程师可以用自然语言描述目标数据产品，由 Agent 根据框架提供的内容辅助完成适配、构建和部署。它适合加速工程工作，但生成结果仍应经过数据契约、权限和业务口径审查。

Dataform 让部署从整套流水线变成依赖图

v7 将现代化数据流水线建立在 Dataform 上。模型以版本化 SQL 管理，Dataform 根据声明的依赖关系计算执行顺序。选择一个数据产品后，框架只检索和处理该产品需要的表，而不是默认搬运所有 SAP 数据。

这种模块化方式对多 SAP 系统环境尤其重要。框架可以针对 ECC、S/4HANA 和 SAP BDC 的差异并行编译、部署数据产品，并通过动态 schema 发现纳入自定义字段。企业不必为了每个系统复制一整套难以同步的管道。

标准内容与企业自定义模型也可以保持分离。升级 Cortex Framework 交付内容时，自定义字段和业务逻辑不必直接修改上游标准模型，从而降低版本更新覆盖本地改造的风险。

可以这样实践：建立增量订单数据产品

下面是一个可改造的 Dataform SQLX 示例。它不是 Cortex Framework v7 内置模型的原样代码，而是展示如何采用相同的工程原则：声明依赖、保留业务元数据、增量处理变更，并把定制逻辑放在独立模型中。

运行前需要将 your_project.sap_raw.sales_orders 替换为自己的 BigQuery 表，并确认 updated_at 是可靠的变更时间字段。将文件放入 Dataform 仓库的 definitions/sales_order_product.sqlx：

config {
  type: "incremental",
  uniqueKey: ["sales_order_id", "line_item_id"],
  bigquery: {
    partitionBy: "DATE(updated_at)",
    clusterBy: ["company_code", "sales_order_id"],
    updatePartitionFilter: "updated_at >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 7 DAY)"
  },
  columns: {
    sales_order_id: "Business identifier of the sales order",
    line_item_id: "Sales order line-item identifier",
    company_code: "SAP company code",
    net_amount: "Normalized net amount in document currency",
    currency_code: "Document currency code",
    updated_at: "Latest source-system change timestamp"
  },
  tags: ["sap", "sales", "agent-ready"]
}

select
  cast(order_id as string) as sales_order_id,
  cast(item_id as string) as line_item_id,
  company_code,
  cast(net_amount as numeric) as net_amount,
  currency_code,
  updated_at
from `your_project.sap_raw.sales_orders`
${when(incremental(), `
where updated_at > (
  select coalesce(max(updated_at), timestamp('1970-01-01'))
  from ${self()}
)
`)}

生产实现需要把币种精度转换放在经过验证的共享模型中，不能仅靠 CAST 处理。对于受 TCURX 规则影响的币种，应使用 Cortex Framework 提供或企业审核过的标准逻辑，并针对零位、两位和三位小数币种建立测试样本。

还可以在独立文件中扩展标准数据产品，避免直接修改交付模型。例如创建 definitions/open_sales_orders.sqlx：

config {
  type: "view",
  columns: {
    sales_order_id: "Open sales order identifier",
    outstanding_amount: "Amount not yet fulfilled"
  },
  tags: ["sap", "sales", "agent-skill"]
}

dependencies {
  "sales_order_product"
}

select
  sales_order_id,
  company_code,
  currency_code,
  sum(net_amount) as outstanding_amount,
  max(updated_at) as updated_at
from ${ref("sales_order_product")}
where fulfillment_status not in ('COMPLETED', 'CANCELLED')
group by 1, 2, 3

如果基础模型尚未输出 fulfillment_status，应先在独立扩展层补齐该字段。Dataform 的依赖图会明确展示模型间关系，也便于在代码评审中发现 Agent 最终使用了哪些来源。

从数据可用到 Agent 可执行，还差一层控制

将数据产品注册到 Knowledge Catalog 后，可以让 Gemini Enterprise Agent Platform 发现带有描述和标签的数据资产。但“能发现”不等于“可以任意执行”。面向采购分析的 Agent 指令可以这样设计，以下是可改造的提示词示例：

角色：采购效率分析 Agent

只使用 Knowledge Catalog 中同时带有 sap、procurement、approved-for-agent 标签的数据产品。
金额比较必须使用数据产品提供的标准化金额字段，不得自行推断币种小数位。
如果供应商、公司代码或时间范围缺失，先向用户澄清。
默认只生成分析结果和建议，不得创建、修改或审批 SAP 采购订单。
输出必须包含：
1. 使用的数据产品与数据更新时间
2. 筛选条件
3. 异常采购订单列表
4. 每条建议对应的证据字段

对可能写回 ERP 的工作流，应进一步加入人工审批、幂等键、金额阈值和完整审计日志。较稳妥的落地顺序是先开放只读分析，再允许 Agent 创建草稿，最终才考虑受控的自动执行。

增量处理与 BYO CDC 的边界

Cortex Framework v7 默认采用 BigQuery 增量加载和非破坏性 schema 更新，只处理新增或修改的数据。结合 Dataform 的无服务器、BigQuery 原生执行方式，这可以减少扫描量、计算时间和额外编排基础设施。

已有成熟 CDC 平台的团队也可以采用 BYO CDC：绕过框架内置的 CDC 处理，把已经完成变更捕获的数据管道接入数据产品层。采用该模式前，需要明确删除事件、迟到数据、重复事件、schema 演进和重放机制由谁负责，否则成本下降可能伴随数据一致性风险。

v7 同时支持通过 SAP Business Data Cloud Connect for BigQuery 获得的 SAP BDC 标准及自定义数据产品。企业可以组合 SAP BDC 与 SAP ERP 数据，分析销售管道健康度或采购低效问题，但必须统一主数据标识、时间口径和权限边界。

上线前检查清单

从一个只读、高价值场景开始，例如销售管道评估或采购异常识别。
为金额、数量、单位、状态和主数据键建立明确的数据契约。
验证 Z 字段动态发现结果，避免字段已摄取但缺少业务定义。
将自定义模型与 Cortex Framework 标准内容分开，确保后续升级可控。
为增量加载测试更新、删除、迟到事件和 schema 新增字段。
在 Knowledge Catalog 中设置描述、负责人、敏感级别和 Agent 可用标签。
写回 SAP 前增加人工审批、最小权限、幂等控制和审计日志。
用 BigQuery 作业成本、数据新鲜度和 Agent 引用证据持续衡量效果。

Cortex Framework v7 的价值不在于让大模型直接读取更多 SAP 表，而在于建立一个可复用、可治理、可升级的数据产品层。对已经运行关键 SAP 业务的企业，这种架构让 AI Agent 在获得准确业务上下文的同时，与事务系统保持必要的隔离。