iov_ana/README.md

# 数据分析 Agent —— Schema-Only + 四层架构自适应分析

**AI 只看表结构，不碰原始数据。通过四层架构自适应探索，生成深度分析报告。**

## 架构

```
┌─────────────────────────────────────────────────────────┐
│                      Agent (编排层)                       │
│          接收问题 → 调度四层 → 输出报告                    │
└──┬──────────┬──────────┬──────────┬──────────┬──────────┘
   │          │          │          │          │
┌──▼───┐ ┌───▼────┐ ┌───▼───┐ ┌───▼────┐ ┌───▼─────┐
│Planner│ │Playbook│ │Explorer│ │Insight │ │ Context │
│意图规划│ │预设匹配 │ │探索循环 │ │异常检测 │ │上下文记忆│
└──────┘ └────────┘ └───────┘ └────────┘ └─────────┘
```

### 分层分工

| 层 | 组件 | 职责 |
|---|---|---|
| L1 | **Planner** | 理解用户意图，生成结构化分析计划（类型、维度、指标） |
| L1.5 | **Playbook** | 匹配预设分析剧本，提供确定性查询保底 |
| L2 | **Explorer** | 先执行预设查询（如有），再基于结果多轮迭代发散探索 |
| L3 | **InsightEngine** | 从探索结果中检测异常、趋势、关联，输出主动洞察 |
| L4 | **ContextManager** | 管理多轮对话历史，后续问题可引用之前的分析 |

### 安全隔离

```
用户提问 → Agent 看 Schema 生成 SQL → 沙箱执行 → 聚合结果 → Agent 生成报告
                                      ↑
                                  原始数据永远留在这里
```

- **Schema 提取器**：只提取表结构、列类型、行数、枚举值，不碰数据
- **沙箱执行器**：禁止 SELECT * / DDL / DML，必须聚合函数，小样本抑制（n<5）
- **AI 的视角**：只有 Schema + 聚合统计结果，从未接触任何一行原始数据

## 快速开始

```bash
# 1. 安装依赖
pip install openai

# 2. 配置 LLM（兼容 OpenAI API 格式）

# OpenAI
export LLM_API_KEY=sk-xxx
export LLM_BASE_URL=https://api.openai.com/v1
export LLM_MODEL=gpt-4o

# Ollama（本地部署，隐私优先）
export LLM_API_KEY=ollama
export LLM_BASE_URL=http://localhost:11434/v1
export LLM_MODEL=qwen2.5-coder:7b

# DeepSeek
export LLM_API_KEY=sk-xxx
export LLM_BASE_URL=https://api.deepseek.com
export LLM_MODEL=deepseek-chat

# 3. 运行演示（自动创建 5 万条示例数据 + 3 个分析任务）
python3 demo.py

# 4. 交互式分析
python3 cli.py

# 5. 分析你自己的数据库
python3 cli.py /path/to/your.db
```

## 文件结构

```
├── config.py              # 配置（LLM、安全规则、探索轮数）
├── schema_extractor.py    # Schema 提取器（只提取结构）
├── sandbox_executor.py    # 沙箱执行器（SQL 验证 + 结果脱敏）
├── planner.py             # [L1] 意图规划器
├── playbook.py            # [L1.5] 预设分析剧本匹配
├── explorer.py            # [L2] 自适应探索器（预设 + 发散）
├── insights.py            # [L3] 洞察引擎（异常检测）
├── context.py             # [L4] 上下文管理器
├── reporter.py            # 报告生成器
├── agent.py               # Agent 编排层
├── demo.py                # 一键演示
├── cli.py                 # 交互式 CLI
├── playbooks/             # 预设分析剧本
│   ├── regional_sales.json    # 地区销售分析
│   ├── category_analysis.json # 商品类别分析
│   └── order_health.json      # 订单健康度分析
├── requirements.txt       # 依赖
└── README.md
```

## 预设分析剧本（Playbook）

Playbook 是"确定性保底 + AI 自由发散"的结合：

- 为常见分析场景预定义一组确定性 SQL 查询
- Planner 生成计划后，LLM 自动判断是否匹配某个 Playbook
- 匹配到：先执行预设 SQL（结果可控），再让 Explorer 基于结果自由发散
- 没匹配到：走纯自适应路径（和之前一样）

### 创建 Playbook

在 `playbooks/` 目录下创建 `.json` 文件：

```json
{
  "name": "地区销售分析",
  "description": "按地区维度分析销售额、订单量、客单价",
  "tags": ["地区", "区域", "销售"],
  "preset_queries": [
    {
      "purpose": "各地区销售总额",
      "sql": "SELECT {{region_column}} AS region, ROUND(SUM({{amount_column}}), 2) AS total FROM {{table}} GROUP BY {{region_column}} ORDER BY total DESC"
    }
  ],
  "exploration_hints": "请关注地区间的增长差异和客单价异常",
  "placeholders": {
    "table": "orders",
    "region_column": "region",
    "amount_column": "amount"
  }
}
```

- `preset_queries`: 确定性 SQL，用 `{{占位符}}` 标记可变部分
- `placeholders`: 默认值，LLM 匹配时会根据实际 Schema 自动替换
- `exploration_hints`: 给 Explorer 的提示，引导发散方向
- `tags`: 帮助 LLM 判断是否匹配

## 对比

| | 预制脚本 / 模板 | 纯自适应 | 本方案（Playbook + 自适应） |
|---|---|---|---|
| SQL 生成 | 模板拼接 | LLM 动态生成 | 预设保底 + LLM 发散 |
| 结果可控性 | 高 | 低 | 核心数据确定，发散部分灵活 |
| 查询数量 | 固定 | 1-6 轮 | 预设 N 条 + 自适应 M 轮 |
| 后续追问 | 无 | AI 自主判断 | 基于预设结果深挖 |
| 异常发现 | 无 | 主动检测 | 预设结果 + 主动检测 |
| 适用场景 | 已知分析模式 | 开放性问题 | 两者兼顾 |

## CLI 命令

```
📊 > 帮我分析各地区的销售表现      # 分析问题（自动匹配 Playbook）
📊 > rounds=3 最近的趋势怎么样     # 限制探索轮数
📊 > schema                      # 查看数据库 Schema
📊 > playbooks                   # 查看已加载的预设剧本
📊 > history                     # 查看分析历史
📊 > audit                       # 查看 SQL 审计日志
📊 > clear                       # 清空历史
📊 > help                        # 帮助
📊 > quit                        # 退出
```

## License

MIT