feat: 四层架构数据分析 Agent

- Layer 1 Planner: 意图规划，将问题转为结构化分析计划
- Layer 2 Explorer: 自适应探索循环，多轮迭代动态生成 SQL
- Layer 3 InsightEngine: 异常检测 + 主动洞察
- Layer 4 ContextManager: 多轮对话上下文记忆

安全设计：AI 只看 Schema + 聚合结果，不接触原始数据。
支持任意 OpenAI 兼容 API（OpenAI / Ollama / DeepSeek / vLLM）

reporter.py

@@ -0,0 +1,110 @@
+"""
+报告生成器
+将分析计划 + 探索结果 + 洞察，综合为一份可读报告。
+"""
+import json
+from typing import Any
+
+import openai
+from config import LLM_CONFIG
+from explorer import ExplorationStep
+from insights import Insight
+
+
+REPORT_PROMPT = """你是一个数据分析报告撰写专家。基于以下信息撰写报告。
+
+## 用户问题
+{question}
+
+## 分析计划
+{plan}
+
+## 探索过程
+{exploration}
+
+## 主动洞察
+{insights_text}
+
+## 撰写要求
+1. **开头**：一句话总结核心结论（先给答案）
+2. **核心发现**：按重要性排列，每个发现带具体数字
+3. **深入洞察**：异常、趋势、关联（从洞察中提取）
+4. **建议**：基于数据的行动建议
+5. **审计**：末尾附上所有执行的 SQL
+
+使用 Markdown，中文撰写。
+语气：专业但不枯燥，像一个聪明的分析师在做简报。"""
+
+
+class ReportGenerator:
+    """报告生成器"""
+
+    def __init__(self):
+        self.client = openai.OpenAI(
+            api_key=LLM_CONFIG["api_key"],
+            base_url=LLM_CONFIG["base_url"],
+        )
+        self.model = LLM_CONFIG["model"]
+
+    def generate(
+        self,
+        question: str,
+        plan: dict,
+        steps: list[ExplorationStep],
+        insights: list[Insight],
+    ) -> str:
+        """生成分析报告"""
+
+        # 构建探索过程文本
+        exploration = self._build_exploration(steps)
+
+        # 构建洞察文本
+        insights_text = self._build_insights(insights)
+
+        prompt = REPORT_PROMPT.format(
+            question=question,
+            plan=json.dumps(plan, ensure_ascii=False, indent=2),
+            exploration=exploration,
+            insights_text=insights_text,
+        )
+
+        response = self.client.chat.completions.create(
+            model=self.model,
+            messages=[
+                {"role": "system", "content": "你是专业的数据分析师，撰写清晰、有洞察力的分析报告。"},
+                {"role": "user", "content": prompt},
+            ],
+            temperature=0.3,
+            max_tokens=4096,
+        )
+
+        return response.choices[0].message.content
+
+    def _build_exploration(self, steps: list[ExplorationStep]) -> str:
+        parts = []
+        for step in steps:
+            if step.action == "done":
+                parts.append(f"### 探索结束\n{step.reasoning}")
+                continue
+
+            if step.success:
+                parts.append(
+                    f"### 第 {step.round_num} 轮：{step.purpose}\n"
+                    f"思考: {step.reasoning}\n"
+                    f"SQL: `{step.sql}`\n"
+                    f"结果 ({step.row_count} 行):\n"
+                    f"列: {step.columns}\n"
+                    f"数据: {json.dumps(step.rows, ensure_ascii=False)}"
+                )
+            else:
+                parts.append(
+                    f"### 第 {step.round_num} 轮：{step.purpose}\n"
+                    f"SQL: `{step.sql}`\n"
+                    f"执行失败: {step.error}"
+                )
+        return "\n\n".join(parts) if parts else "无探索步骤"
+
+    def _build_insights(self, insights: list[Insight]) -> str:
+        if not insights:
+            return "未检测到异常。"
+        return "\n".join(str(i) for i in insights)