vibe_data_ana/README_MAIN.md

# AI 数据分析 Agent - 主流程使用指南

## 概述

这是一个真正由 AI 驱动的数据分析系统，能够自动理解数据、规划分析、执行任务并生成报告。

## 快速开始

### 1. 安装依赖

```bash
pip install -r requirements.txt
```

### 2. 配置环境变量

创建 `.env` 文件并设置 OpenAI API 密钥：

```
OPENAI_API_KEY=your_api_key_here
OPENAI_BASE_URL=https://api.openai.com/v1
```

### 3. 运行分析

#### 方式1：使用命令行接口

```bash
# 完全自主分析
python -m src.cli data.csv

# 指定分析需求
python -m src.cli data.csv -r "分析工单健康度"

# 使用模板
python -m src.cli data.csv -t template.md

# 指定输出目录
python -m src.cli data.csv -o results/

# 显示详细日志
python -m src.cli data.csv -v
```

#### 方式2：使用 Python API

```python
from src.main import run_analysis

# 运行分析
result = run_analysis(
    data_file="data.csv",
    user_requirement="分析工单健康度",
    output_dir="output"
)

# 检查结果
if result['success']:
    print(f"报告路径: {result['report_path']}")
    print(f"执行时间: {result['elapsed_time']:.1f}秒")
else:
    print(f"分析失败: {result['error']}")
```

## 系统架构

系统采用五阶段流水线架构：

1. **数据理解（Data Understanding）**
   - 加载和解析 CSV 文件
   - 推断数据类型和业务含义
   - 评估数据质量

2. **需求理解（Requirement Understanding）**
   - 解析用户的自然语言需求
   - 将抽象概念转化为具体指标
   - 解析和理解分析模板

3. **分析规划（Analysis Planning）**
   - 根据数据特征和需求生成任务列表
   - 确定任务优先级和依赖关系
   - 选择合适的分析方法

4. **任务执行（Task Execution）**
   - 使用 ReAct 模式执行任务
   - 动态选择和调用工具
   - 根据发现调整分析计划

5. **报告生成（Report Generation）**
   - 提炼关键发现
   - 组织报告结构
   - 生成结论和建议

## 命令行参数

```
usage: python -m src.cli [-h] [-r REQUIREMENT] [-t TEMPLATE] [-o OUTPUT] 
                          [-v] [--no-progress] [--version] 
                          data_file

positional arguments:
  data_file             数据文件路径（CSV 格式）

optional arguments:
  -h, --help            显示帮助信息
  -r, --requirement     用户需求（自然语言）
  -t, --template        模板文件路径（Markdown 格式）
  -o, --output          输出目录，默认为 "output"
  -v, --verbose         显示详细日志
  --no-progress         不显示进度条
  --version             显示版本信息
```

## 使用示例

### 示例1：完全自主分析

```bash
python -m src.cli cleaned_data.csv
```

系统会自动：
- 识别数据类型（工单、销售、用户等）
- 推断关键字段的业务含义
- 自主决定分析维度
- 生成合理的分析计划
- 执行分析并生成报告

### 示例2：指定分析方向

```bash
python -m src.cli cleaned_data.csv -r "我想了解工单的健康度"
```

系统会：
- 理解"健康度"的业务含义
- 将抽象概念转化为具体指标（关闭率、处理效率、积压情况等）
- 根据数据特征选择合适的分析方法
- 生成针对性的报告

### 示例3：使用模板

```bash
python -m src.cli cleaned_data.csv -t templates/ticket_analysis.md
```

系统会：
- 理解模板的结构和要求
- 检查数据是否满足模板要求
- 如果数据缺少某些字段，灵活调整
- 按模板结构组织报告

## 输出文件

分析完成后，输出目录包含：

- `analysis_report.md` - 分析报告（Markdown 格式）
- `analysis.log` - 执行日志
- `*.png` - 生成的图表（如果有）

## 日志和可观察性

系统提供详细的日志记录：

- **进度显示**：实时显示当前执行阶段和进度
- **AI 思考过程**：显示 AI 的决策过程（使用 `-v` 参数）
- **执行摘要**：显示各阶段的执行时间和状态
- **错误追踪**：详细的错误信息和堆栈跟踪

## 错误处理

系统具有强大的错误处理能力：

- **数据加载错误**：自动尝试多种编码和分隔符
- **AI 调用错误**：重试机制和指数退避
- **工具执行错误**：参数验证和异常捕获
- **任务执行错误**：依赖检查和错误恢复

## 性能指标

- 数据理解阶段：< 30秒
- 完整分析流程：< 30分钟（取决于数据大小和任务数量）
- 支持最大 100万行数据

## 隐私保护

系统遵循严格的隐私保护原则：

- AI 不能直接访问原始数据
- 只能通过工具获取聚合结果
- 数据画像只包含元数据和统计摘要
- 所有原始数据处理在本地完成

## 故障排除

### 问题1：找不到 OpenAI API 密钥

**解决方案**：确保 `.env` 文件存在并包含正确的 API 密钥。

### 问题2：数据加载失败

**解决方案**：
- 检查文件路径是否正确
- 确保文件是 CSV 格式
- 尝试使用 `-v` 参数查看详细错误信息

### 问题3：分析失败

**解决方案**：
- 检查日志文件 `output/analysis.log`
- 确保数据文件不为空
- 确保数据格式正确

## 开发和测试

### 运行测试

```bash
# 运行所有测试
pytest

# 运行集成测试
pytest tests/test_integration.py -v

# 运行特定测试
pytest tests/test_integration.py::TestEndToEndAnalysis -v
```

### 代码结构

```
src/
├── main.py              # 主流程编排
├── cli.py               # 命令行接口
├── logging_config.py    # 日志配置
├── data_access.py       # 数据访问层
├── error_handling.py    # 错误处理
├── engines/             # 分析引擎
│   ├── data_understanding.py
│   ├── requirement_understanding.py
│   ├── analysis_planning.py
│   ├── task_execution.py
│   ├── plan_adjustment.py
│   └── report_generation.py
├── models/              # 数据模型
│   ├── data_profile.py
│   ├── requirement_spec.py
│   ├── analysis_plan.py
│   └── analysis_result.py
└── tools/               # 分析工具
    ├── base.py
    ├── query_tools.py
    ├── stats_tools.py
    ├── viz_tools.py
    └── tool_manager.py
```

## 贡献

欢迎贡献！请遵循以下步骤：

1. Fork 项目
2. 创建特性分支
3. 提交更改
4. 推送到分支
5. 创建 Pull Request

## 许可证

MIT License

## 联系方式

如有问题或建议，请创建 Issue。