大模型浪潮下，如何让数据工作流走向智能化？
企业数据平台沉淀海量数据，但从业务需求到稳定运行的数据任务，依旧需要跨越数据发现、开发、调度、运维多重门槛。当工作流调度遇上 AI Data Agent，能否用自然语言驱动完整的数据生产链路？
Apache DolphinScheduler 8 月份用户线上 Meetup 重磅来袭！本次我们邀请 Apache DolphinScheduler Committer、Cisco Webex 大数据平台开发工程师 李庆旺，带来企业级 Data Agent 一手落地实践分享。
直播时间：8 月 25 日 14:00
直播平台：视频号线上直播
分享主题：基于 Apache DolphinScheduler 的企业级 Data Agent 实践
企业数据平台拥有海量数据，但从业务问题到持续运行的数据任务，仍需跨越发现、开发、调度和运维等环节。本次分享将介绍以 Apache DolphinScheduler 作为工作流编排与生产运行底座，结合 Codex 和 MCP 构建数据智能 Agent 的完整方案。
用户仅需自然语言描述业务目标，Agent 自动完成可信数据检索、数据分析与可视化，并将确认后的业务逻辑生成可调度工作流，无缝衔接 SQL、Spark、Flink、ETL 各类计算引擎，一站式实现任务发布、运行监控与故障诊断，打造自然、可信、可审计的对话式数据工作新模式。
李庆旺：Cisco Webex 大数据平台开发工程师，Apache DolphinScheduler Committer。
直播期间开启抽奖，送出 Apache DolphinScheduler 精美周边！
欢迎大家提前预约直播，准时收看，互动赢好礼！
- GitHub: https://github.com/apache/dolphinscheduler
- 官网：https://dolphinscheduler.apache.org/en-us
- 订阅开发者邮件：dev@dolphinscheduler@apache.org（向邮箱发送任意内容，收到邮件后回复同意订阅即可）
- YouTube：https://www.youtube.com/@apachedolphinscheduler
- Slack：https://join.slack.com/t/asf-dolphinscheduler/shared_invite/zt-1cmrxsio1-nJHxRJa44jfkrNL_Nsy9Qg
同样地，参与Apache DolphinScheduler 有非常多的参与贡献的方式，主要分为代码方式和非代码方式两种。
非代码方式包括：
完善文档、翻译文档；翻译技术性、实践性文章；投稿实践性、原理性文章；成为布道师；社区管理、答疑；会议分享；测试反馈；用户反馈等。
代码方式包括：
查找Bug；编写修复代码；开发新功能；提交代码贡献；参与代码审查等。
贡献第一个PR(文档、代码) 我们也希望是简单的，第一个PR用于熟悉提交的流程和社区协作以及感受社区的友好度。社区汇总了以下适合新手的问题列表：https://github.com/apache/dolphinscheduler/pulls?q=is%3Apr+is%3Aopen+label%3A%22first+time+contributor%22优先级问题列表：https://github.com/apache/dolphinscheduler/pulls?q=is%3Apr+is%3Aopen+label%3Apriority%3Ahigh如何参与贡献链接：https://dolphinscheduler.apache.org/zh-cn/docs/3.2.2/%E8%B4%A1%E7%8C%AE%E6%8C%87%E5%8D%97_menu/%E5%A6%82%E4%BD%95%E5%8F%82%E4%B8%8E_menuhttps://github.com/apache/dolphinscheduler
