摘要： 现代分析系统本质上是被动响应式的，要求用户针对日益复杂且持续演变的数据定义查询。在实时流式处理环境中，这种范式难以为继，因为潜在洞察的空间变得过于庞大，无法手动枚举。我们提出了一种用于实时数据流自主洞察发现的多智能体架构。该系统实现了一个持续发现循环，其中智能体生成假设、将其编译为可执行的分析任务、验证生成的工件，并生成可视化结果与可部署的应用。该架构利用 Apache Kafka 实现事件驱动的协调，利用 Apache Flink 进行流处理，并借助大语言模型来实现专门的智能体。一个关键贡献是基于类型化中间工件的契约驱动设计，从而实现了模块化、可观测性、血缘追踪以及动态生成分析任务的更安全执行。通过零售、金融和公共数据领域的用例，我们展示了该架构如何支持从查询驱动型分析向主动式、发现驱动型系统的转变。