Merge pull request 'songfei' (#1) from songfei into cover

Reviewed-on: #1

README.md

@@ -40,8 +40,7 @@ data_analysis_agent/
 └── 📁 outputs/                # 分析结果输出目录
     └── session_[时间戳]/       # 每次分析的独立会话目录
         ├── *.png              # 生成的图表    
-        ├── 最终分析报告.md    # Markdown报告
-        └── 最终分析报告.docx  # Word报告
+        └── 最终分析报告.md      # Markdown报告
 ```
 
 ## 📊 数据分析流程图
@@ -124,9 +123,9 @@ sequenceDiagram
 
 ```bash
 # 克隆项目
-git clone  https://github.com/li-xiu-qi/data_analysis_agent.git
+git clone  http://jeason.online:3000/zhaojie/iov_data_analysis_agent.git
 
-cd data_analysis_agent
+cd iov_data_analysis_agent
 
 # 安装依赖
 pip install -r requirements.txt
@@ -134,7 +133,7 @@ pip install -r requirements.txt
 
 ### 2. 配置API密钥
 
-创建`.env`文件：
+创建`.env`及`llm_config.py`文件：
 
 ```bash
 # OpenAI API配置
@@ -157,10 +156,11 @@ from config.llm_config import LLMConfig
 llm_config = LLMConfig()
 agent = DataAnalysisAgent(llm_config)
 
-# 开始分析
+# 开始分析（input中输入你想要的内容。并在运行前调整提示词中的报告格式及分析要求）
 files = ["your_data.csv"]
+#excel文件同样支持
 report = agent.analyze(
-    user_input="分析销售数据，生成趋势图表和关键指标",
+    user_input="分析车联网运维工单的数据，帮我汇总生成一份用于汇报使用的，运维工单报告销售数据，XXXXXXXXXX",
     files=files
 )
 
@@ -187,25 +187,24 @@ report = quick_analysis(
 
 ## 📊 使用示例
 
-以下是分析贵州茅台财务数据的完整示例：
 
 ```python
-# 示例：茅台财务分析
-files = ["贵州茅台利润表.csv"]
+# 示例：工单健康度分析
+files = ["iov.csv"]
 report = agent.analyze(
-    user_input="基于贵州茅台的数据，输出五个重要的统计指标，并绘制相关图表。最后生成汇报给我。",
+    user_input="基于所有的运维工单，输出XXXX等重要的统计指标，并绘制相关图表。最后生成汇报给我。",
     files=files
 )
 ```
 
 **生成的分析内容包括：**
 
-- 📈 营业总收入趋势图
-- 💰 净利润率变化分析
-- 📊 利润构成分析图表
-- 💵 每股收益变化趋势
-- 📋 营业成本占比分析
-- 📄 综合分析报告
+-  工单月度/周度/日度趋势图
+-  问题类型及车型分布
+-  问题模块分析图表
+-  问题处理时长分析图表
+-  问题模块汇总图表
+-  
 
 ## 🎨 流程可视化
 
@@ -324,20 +323,6 @@ A: 可以在Mermaid代码块中添加样式定义，或使用不同的图表类
 
 分析过程中的错误信息会保存在会话目录中，便于调试和优化。
 
-## 🤝 贡献指南
-
-欢迎贡献代码和改进建议！
-
-1. Fork 项目
-2. 创建功能分支
-3. 提交更改
-4. 推送到分支
-5. 创建Pull Request
-
-## 📄 许可证
-
-本项目基于MIT许可证开源。详见[LICENSE](LICENSE)文件。
-
 ## 🔄 更新日志
 
 ### v1.0.0
@@ -352,6 +337,6 @@ A: 可以在Mermaid代码块中添加样式定义，或使用不同的图表类
 
 <div align="center">
 
-**🚀 让数据分析变得更智能、更简单！**
+**简化数据分析入门门槛，让数据分析变得更智能、更简单！**
 
 </div>

prompts.py

@@ -68,23 +68,18 @@ data_analysis_system_prompt = """你是一个专业的数据分析助手，运
 - 不要试图一次性生成所有图表。你应该将任务拆分为多个小的代码块，分批次执行。
 - 每一轮只专注于生成 1-2 个复杂的图表或 2-3 个简单的图表，确保代码正确且图片保存成功。
 - 只有在前一轮代码成功执行并保存图片后，再进行下一轮。
-- 必做分析1.  **超长工单问题类型分布**（从处理时长分布中筛选）
+- 必做分析
+    1.  **超长工单问题类型分布**（从处理时长分布中筛选）
     2.  **车型-问题热力图**（发现特定车型的高频故障）
     3.  **车型分布**（整体工单在不同车型的占比）
-    4.  **处理时长分布**（直方图/KDE）
     5.  **处理时长箱线图**（按问题类型或责任人分组，识别异常点）
     6.  **高频关键词词云**（基于Text Cleaning和N-gram结果）
-    7.  **工单来源分布**
     8.  **工单状态分布**
     9.  **模块分布**
-    10. **未关闭工单状态分布**
     11. **问题类型分布**
     12. **严重程度分布**
-    13. **远程控制(Remote Control)问题模块分布**（专项分析）
     14. **月度工单趋势**
     15. **月度关闭率趋势**
-    16. **责任人分布**
-    17. **责任人工作量与效率对比**（散点图或双轴图）
 - 图片保存必须使用 `plt.savefig(path, bbox_inches='tight')`。保存后必须显示打印绝对路径。严禁使用 `plt.show()`。
 
 **阶段4：深度挖掘与高级分析（使用 generate_code 动作）**