📈 项目案例｜数据分析 Agent：从 CSV 到业务结论

📌 业务方问你"这个月销售为什么下降了"——你要花 2 小时跑 SQL → 做表 → 写分析。Agent 把这个流程压缩到 5 分钟：自动加载数据 → 探索分析 → 生成结论。

MVP

用户上传 CSV 或连接数据库 → Agent 自动探索(分布/趋势/相关性/异常) → 生成分析报告(关键发现+图表+建议)

技术架构

数据源(CSV/SQL/API) → Agent(Data Analyst角色) → Python代码执行(Sandbox) → 可视化(Matplotlib) → 分析报告(Markdown)

核心流程

def analyze_data(data_source: str, question: str):
    df = load_data(data_source)
    code = agent.generate_analysis_code(question, df.columns, df.dtypes)
    results = sandbox.execute(code)  # Docker sandbox 隔离执行
    report = agent.summarize_findings(results, question)
    return report  # "本月销售下降 12%，主要原因是..."

关键设计

• Agent 生成的 Python 代码必须在 Sandbox 里执行（不能直接跑在服务器上）
• Agent 输出应该是业务语言——"Q3 营收下降是因为华东区大客户流失"，不是"p-value < 0.05"
• 每一个结论附带数据来源（"见表 2：华东区客户流失月度趋势"）

常见坑

• Agent 生成的分析代码有 bug → Sandbox 捕获异常 → 把错误信息返回给 Agent → Agent 自己 debug
• 数据量太大 → Agent 先生成数据探索计划让人确认，再跑分析
• Agent 的结论可能是"伪相关"（冰淇淋销量和溺水率正相关≠因果关系）→ 在 Prompt 里加警告

🍋 本文为 AI Agent 学习路线 · 项目案例库。© 2026 AI小柠檬。