Complete AI Data Analysis Agent implementation with 95.7% test coverage

.kiro/specs/true-ai-agent/requirements.md

@@ -0,0 +1,447 @@
+# 真正的 AI 数据分析 Agent - 需求文档
+
+## 1. 项目背景
+
+### 1.1 当前问题
+
+现有系统是"四不像"：
+- 任务规划：基于模板的规则生成（固定90个任务）
+- 任务执行：AI 驱动的 ReAct 模式
+- 结果：规则 + AI = 不协调、不灵活
+
+### 1.2 核心问题
+
+**用户的真实需求**：
+> "我有数据，帮我分析一下"
+> "我想了解工单的健康度"
+> "按照这个模板分析，但要灵活调整"
+
+**系统应该做什么**：
+- 像人类分析师一样理解数据
+- 自主决定分析什么
+- 根据发现调整分析计划
+- 生成有洞察力的报告
+
+**而不是**：
+- 机械地执行固定任务
+- 死板地按模板填空
+
+## 2. 用户故事
+
+### 2.1 场景1：完全自主分析
+
+**作为** 数据分析师  
+**我想要** 上传数据文件，让 AI 自动分析  
+**以便** 快速了解数据的关键信息
+
+**验收标准**：
+- AI 能识别数据类型（工单、销售、用户等）
+- AI 能推断关键字段的业务含义
+- AI 能自主决定分析维度
+- AI 能生成合理的分析计划
+- AI 能执行分析并生成报告
+- 报告包含关键发现和洞察
+
+**示例**：
+```
+输入：cleaned_data.csv
+输出：
+  - 数据类型：工单数据
+  - 关键发现：
+    * 待处理工单占比50%（异常高）
+    * 某车型问题占比80%
+    * 平均处理时长超过标准2倍
+  - 建议：优先处理该车型的积压工单
+```
+
+### 2.2 场景2：指定分析方向
+
+**作为** 业务负责人  
+**我想要** 指定分析方向（如"健康度"）  
+**以便** 获得针对性的分析结果
+
+**验收标准**：
+- AI 能理解"健康度"的业务含义
+- AI 能将抽象概念转化为具体指标
+- AI 能根据数据特征选择合适的分析方法
+- AI 能生成针对性的报告
+
+**示例**：
+```
+输入：
+  - 数据：cleaned_data.csv
+  - 需求："我想了解工单的健康度"
+
+AI 理解：
+  - 健康度 = 关闭率 + 处理效率 + 积压情况 + 响应及时性
+
+AI 分析：
+  - 关闭率：75%（中等）
+  - 平均处理时长：48小时（偏长）
+  - 积压工单：50%（严重）
+  - 健康度评分：60/100（需改进）
+```
+
+### 2.3 场景3：参考模板分析
+
+**作为** 数据分析师  
+**我想要** 使用模板作为参考框架  
+**以便** 保持报告结构的一致性，同时保持灵活性
+
+**验收标准**：
+- AI 能理解模板的结构和要求
+- AI 能检查数据是否满足模板要求
+- 如果数据缺少某些字段，AI 能灵活调整
+- AI 能按模板结构组织报告
+- AI 不会因为数据不完全匹配而失败
+
+**示例**：
+```
+输入：
+  - 数据：cleaned_data.csv
+  - 模板：issue_analysis.md（要求14个图表）
+
+AI 检查：
+  - 模板要求"严重程度分布"，但数据中没有"严重程度"字段
+  - 决策：跳过该分析，在报告中说明
+
+AI 调整：
+  - 执行其他13个分析
+  - 报告中注明："数据缺少严重程度字段，无法分析该维度"
+```
+
+### 2.4 场景4：迭代深入分析
+
+**作为** 数据分析师  
+**我想要** AI 能根据发现深入分析  
+**以便** 找到问题的根因
+
+**验收标准**：
+- AI 能识别异常或关键发现
+- AI 能自主决定是否需要深入分析
+- AI 能动态调整分析计划
+- AI 能追踪问题的根因
+
+**示例**：
+```
+初步分析：
+  - 发现：待处理工单占比50%（异常高）
+
+AI 决策：需要深入分析
+
+深入分析1：
+  - 分析待处理工单的特征
+  - 发现：某车型占80%
+
+AI 决策：继续深入
+
+深入分析2：
+  - 分析该车型的问题类型
+  - 发现：都是"远程控制"问题
+
+AI 决策：继续深入
+
+深入分析3：
+  - 分析"远程控制"问题的模块分布
+  - 发现：90%是"车门模块"
+
+结论：车门模块的远程控制功能存在系统性问题
+```
+
+## 3. 功能需求
+
+### 3.1 数据理解（Data Understanding）
+
+**FR-1.1 数据加载**
+- 系统应支持 CSV 格式数据
+- 系统应自动检测编码（UTF-8, GBK等）
+- 系统应处理常见的数据格式问题
+
+**FR-1.2 数据类型识别**
+- AI 应分析列名、数据类型、值分布
+- AI 应推断数据的业务类型（工单、销售、用户等）
+- AI 应识别关键字段（时间、状态、分类、数值）
+
+**FR-1.3 字段含义理解**
+- AI 应推断每个字段的业务含义
+- AI 应识别字段之间的关系
+- AI 应识别可能的分析维度
+
+**FR-1.4 数据质量评估**
+- AI 应检查缺失值
+- AI 应检查异常值
+- AI 应评估数据质量分数
+
+### 3.2 需求理解（Requirement Understanding）
+
+**FR-2.1 自主需求推断**
+- 当用户未指定需求时，AI 应根据数据类型推断常见分析需求
+- AI 应生成默认的分析目标
+
+**FR-2.2 用户需求理解**
+- AI 应理解用户的自然语言需求
+- AI 应将抽象概念转化为具体指标
+- AI 应判断数据是否支持用户需求
+
+**FR-2.3 模板理解**
+- AI 应解析模板结构
+- AI 应理解模板要求的指标和图表
+- AI 应检查数据是否满足模板要求
+- AI 应在数据不满足时灵活调整
+
+### 3.3 分析规划（Analysis Planning）
+
+**FR-3.1 动态任务生成**
+- AI 应根据数据特征和需求生成分析任务
+- 任务应是动态的，不是固定的
+- 任务应包含优先级和依赖关系
+
+**FR-3.2 任务优先级**
+- AI 应根据重要性排序任务
+- 必需的分析应优先执行
+- 可选的分析应后执行
+
+**FR-3.3 计划调整**
+- AI 应能根据中间结果调整计划
+- AI 应能增加新的深入分析任务
+- AI 应能跳过不适用的任务
+
+### 3.4 工具集管理（Tool Management）
+
+**FR-4.1 预设工具集**
+- 系统应提供基础数据分析工具集
+- 基础工具包括：数据查询、统计分析、可视化、数据清洗
+- 工具应有标准的接口和描述
+
+**FR-4.2 动态工具调整**
+- AI 应根据数据特征决定需要哪些工具
+- AI 应根据分析需求动态启用/禁用工具
+- AI 应能识别缺少的工具并请求添加
+
+**FR-4.3 工具适配**
+- AI 应根据数据类型调整工具参数
+- 例如：时间序列数据 → 启用趋势分析工具
+- 例如：分类数据 → 启用分布分析工具
+- 例如：地理数据 → 启用地图可视化工具
+
+**FR-4.4 自定义工具生成**
+- AI 应能根据特定需求生成临时工具
+- AI 应能组合现有工具创建新功能
+- 自定义工具应在分析结束后可选保留
+
+**示例**：
+```
+数据特征：
+  - 包含时间字段（created_at, closed_at）
+  - 包含分类字段（status, type, model）
+  - 包含数值字段（duration）
+
+AI 决策：
+  - 启用工具：时间序列分析、分类分布、数值统计
+  - 禁用工具：地理分析（无地理字段）
+  - 生成工具：计算处理时长（closed_at - created_at）
+```
+
+### 3.5 分析执行（Analysis Execution）
+
+**FR-5.1 ReAct 执行模式**
+- 每个任务应使用 ReAct 模式执行
+- AI 应思考 → 行动 → 观察 → 判断
+- AI 应能从错误中学习
+
+**FR-5.2 工具调用**
+- AI 应从可用工具集中选择合适的工具
+- AI 应能组合多个工具完成复杂任务
+- AI 应能处理工具调用失败的情况
+
+**FR-5.3 结果验证**
+- AI 应验证每个任务的结果
+- AI 应识别异常结果
+- AI 应决定是否需要重试或调整
+
+**FR-5.4 迭代深入**
+- AI 应识别关键发现
+- AI 应决定是否需要深入分析
+- AI 应动态增加深入分析任务
+
+### 3.6 报告生成（Report Generation）
+
+**FR-6.1 关键发现提炼**
+- AI 应从所有结果中提炼关键发现
+- AI 应识别异常和趋势
+- AI 应提供洞察而不是简单罗列数据
+
+**FR-6.2 报告结构组织**
+- AI 应根据分析内容组织报告结构
+- 如果有模板，应参考模板结构
+- 如果没有模板，应生成合理的结构
+
+**FR-6.3 结论和建议**
+- AI 应基于分析结果得出结论
+- AI 应提供可操作的建议
+- AI 应说明建议的依据
+
+**FR-6.4 多格式输出**
+- 系统应生成 Markdown 格式报告
+- 系统应支持导出为 Word 文档（可选）
+- 报告应包含所有生成的图表
+
+## 4. 非功能需求
+
+### 4.1 性能需求
+
+**NFR-1.1 响应时间**
+- 数据理解阶段：< 30秒
+- 分析规划阶段：< 60秒
+- 单个任务执行：< 120秒
+- 完整分析流程：< 30分钟（取决于数据大小和任务数量）
+
+**NFR-1.2 数据规模**
+- 支持最大 100MB 的 CSV 文件
+- 支持最大 100万行数据
+- 支持最大 100列
+
+### 4.2 可靠性需求
+
+**NFR-2.1 错误处理**
+- AI 调用失败时应有降级策略
+- 单个任务失败不应影响整体流程
+- 系统应记录详细的错误日志
+
+**NFR-2.2 数据安全**
+- 数据应在本地处理，不上传到外部服务
+- 生成的报告应保存在用户指定的目录
+- 敏感信息应脱敏处理
+
+### 4.3 可用性需求
+
+**NFR-3.1 易用性**
+- 用户只需提供数据文件即可开始分析
+- 分析过程应显示进度和状态
+- 错误信息应清晰易懂
+
+**NFR-3.2 可观察性**
+- 系统应显示 AI 的思考过程
+- 系统应显示每个阶段的进度
+- 系统应记录完整的执行日志
+
+### 4.4 可扩展性需求
+
+**NFR-4.1 工具扩展**
+- 应易于添加新的分析工具
+- 工具应有标准接口
+- AI 应能自动发现和使用新工具
+- 工具应支持热加载，无需重启系统
+
+**NFR-4.2 工具动态性**
+- 工具集应根据数据特征动态调整
+- 工具参数应根据数据类型自适应
+- 系统应支持运行时生成临时工具
+
+**NFR-4.3 模型扩展**
+- 应支持不同的 LLM 提供商
+- 应支持本地模型和云端模型
+- 应支持模型切换
+
+## 5. 约束条件
+
+### 5.1 技术约束
+
+- 使用 Python 3.8+
+- 使用 OpenAI 兼容的 LLM API
+- 使用 pandas 进行数据处理
+- 使用 matplotlib 进行可视化
+
+### 5.2 业务约束
+
+- 系统应在离线环境下工作（除 LLM 调用外）
+- 系统不应依赖特定的数据格式或业务领域
+- 系统应保持通用性，适用于各种数据分析场景
+
+### 5.3 隐私和安全约束
+
+**数据隐私保护**：
+- AI 不能访问完整的原始数据内容
+- AI 只能读取：
+  - 表头（列名）
+  - 数据类型信息
+  - 基本统计摘要（行数、列数、缺失值比例、数据类型分布）
+  - 工具执行后的聚合结果（如分组统计结果、图表数据）
+- 所有原始数据处理必须在本地完成，不发送给 LLM
+- AI 通过调用本地工具来分析数据，工具返回摘要结果而非原始数据
+
+### 5.3 隐私和安全约束
+
+**数据隐私保护**：
+- AI 不能访问完整的原始数据内容
+- AI 只能读取：
+  - 表头（列名）
+  - 数据类型信息
+  - 基本统计摘要（行数、列数、缺失值比例、数据类型分布）
+  - 工具执行后的聚合结果（如分组统计结果、图表数据）
+- 所有原始数据处理必须在本地完成，不发送给 LLM
+- AI 通过调用本地工具来分析数据，工具返回摘要结果而非原始数据
+
+## 6. 验收标准
+
+### 6.1 场景1验收
+
+- [ ] 上传任意 CSV 文件，AI 能识别数据类型
+- [ ] AI 能自主生成分析计划
+- [ ] AI 能执行分析并生成报告
+- [ ] 报告包含关键发现和洞察
+
+### 6.2 场景2验收
+
+- [ ] 指定"健康度"等抽象需求，AI 能理解
+- [ ] AI 能生成相关指标
+- [ ] AI 能执行针对性分析
+- [ ] 报告聚焦于用户需求
+
+### 6.3 场景3验收
+
+- [ ] 提供模板，AI 能理解模板要求
+- [ ] 数据缺少字段时，AI 能灵活调整
+- [ ] 报告按模板结构组织
+- [ ] 报告说明哪些分析被跳过及原因
+
+### 6.4 场景4验收
+
+- [ ] AI 能识别异常发现
+- [ ] AI 能自主决定深入分析
+- [ ] AI 能动态调整分析计划
+- [ ] 报告包含深入分析的结果
+
+### 6.5 工具动态性验收
+
+- [ ] 系统根据数据特征自动启用相关工具
+- [ ] 系统根据数据特征自动禁用无关工具
+- [ ] AI 能识别需要但缺失的工具
+- [ ] AI 能生成临时工具满足特定需求
+- [ ] 工具参数根据数据类型自动调整
+
+## 7. 成功指标
+
+### 7.1 功能指标
+
+- 数据类型识别准确率 > 90%
+- 字段含义推断准确率 > 80%
+- 分析计划合理性（人工评估）> 85%
+- 报告质量（人工评估）> 80%
+
+### 7.2 性能指标
+
+- 完整分析流程完成率 > 95%
+- AI 调用成功率 > 90%
+
+### 7.3 用户满意度
+
+- 用户认为分析结果有价值 > 80%
+- 用户愿意再次使用 > 85%
+- 用户推荐给他人 > 75%
+
+---
+
+**版本**: v3.0.0  
+**日期**: 2026-03-06  
+**状态**: 需求定义完成

.kiro/specs/true-ai-agent/tasks.md

@@ -0,0 +1,458 @@
+# 实施计划：真正的 AI 数据分析 Agent
+
+## 概述
+
+本实施计划将设计转化为具体的编码任务。系统采用五阶段流水线架构，每个阶段由 AI 驱动，具有自主决策能力。实施将按照从核心数据结构到各个引擎组件，最后到集成的顺序进行。
+
+## 任务列表
+
+- [x] 1. 搭建项目结构和核心数据模型
+  - 创建项目目录结构（src/models, src/engines, src/tools, tests）
+  - 定义核心数据类（DataProfile, ColumnInfo, RequirementSpec, AnalysisObjective, AnalysisPlan, AnalysisTask, AnalysisResult）
+  - 实现数据类的序列化和反序列化方法
+  - 设置测试框架（pytest, hypothesis）
+  - _需求：FR-1.1, FR-1.2_
+
+- [x] 2. 实现数据访问层和隐私保护机制
+  - [x] 2.1 实现 DataAccessLayer 类
+    - 实现数据加载功能（支持多种编码）
+    - 实现数据画像生成（不暴露原始数据）
+    - 实现结果过滤机制（sanitize_result）
+    - _需求：约束条件5.3_
+  
+  - [x] 2.2 编写属性测试：数据访问限制
+    - **属性 18：数据访问限制**
+    - **验证需求：约束条件5.3**
+  
+  - [x] 2.3 编写单元测试
+    - 测试多种编码的数据加载
+    - 测试空文件和格式错误的处理
+    - 测试结果过滤功能
+
+
+- [x] 3. 实现工具系统基础设施
+  - [x] 3.1 定义工具接口（AnalysisTool 抽象类）
+    - 定义标准接口（name, description, parameters, execute, is_applicable）
+    - 实现工具注册机制
+    - _需求：FR-4.1_
+  
+  - [x] 3.2 实现基础数据查询工具
+    - 实现 get_column_distribution 工具
+    - 实现 get_value_counts 工具
+    - 实现 get_time_series 工具
+    - 实现 get_correlation 工具
+    - 确保所有工具返回聚合数据而非原始数据
+    - _需求：FR-4.1, 约束条件5.3_
+  
+  - [x] 3.3 实现基础统计分析工具
+    - 实现 calculate_statistics 工具
+    - 实现 perform_groupby 工具
+    - 实现 detect_outliers 工具
+    - 实现 calculate_trend 工具
+    - _需求：FR-4.1_
+  
+  - [x] 3.4 编写属性测试：工具接口一致性和输出过滤
+    - **属性 10：工具接口一致性**
+    - **属性 19：工具输出过滤**
+    - **验证需求：FR-4.1, 约束条件5.3**
+  
+  - [x] 3.5 编写单元测试
+    - 测试每个工具的基本功能
+    - 测试工具参数验证
+    - 测试工具执行错误处理
+
+- [x] 4. 实现可视化工具
+  - [x] 4.1 实现图表生成工具
+    - 实现 create_bar_chart 工具
+    - 实现 create_line_chart 工具
+    - 实现 create_pie_chart 工具
+    - 实现 create_heatmap 工具
+    - 实现 ai_picture 依据数据特性画图工具
+
+    - 使用 matplotlib 生成图表并保存为文件
+    - _需求：FR-4.1_
+  
+  - [x] 4.2 编写单元测试
+    - 测试图表生成功能
+    - 测试图表文件保存
+
+- [x] 5. 检查点 - 确保工具系统测试通过
+  - 确保所有测试通过，如有问题请询问用户
+
+
+- [x] 6. 实现工具管理器
+  - [x] 6.1 实现 ToolManager 类
+    - 实现工具选择逻辑（select_tools 方法）
+    - 根据数据特征启用/禁用工具
+    - 实现工具适用性判断
+    - _需求：FR-4.2, FR-4.3_
+  
+  - [x] 6.2 实现动态工具调整策略
+    - 检查时间字段并启用时间序列工具
+    - 检查分类字段并启用分布分析工具
+    - 检查数值字段并启用统计工具
+    - 检查地理字段并启用地理工具
+    - _需求：FR-4.2, FR-4.3_
+  
+  - [x] 6.3 编写属性测试：工具选择和适用性
+    - **属性 9：工具选择适配性**
+    - **属性 11：工具适用性判断**
+    - **属性 12：工具需求识别**
+    - **验证需求：FR-4.2, FR-4.3, 工具动态性验收.1, .2, .3**
+  
+  - [x] 6.4 编写单元测试
+    - 测试不同数据特征的工具选择
+    - 测试工具适用性判断
+
+- [x] 7. 实现数据理解引擎
+  - [x] 7.1 实现基础统计生成
+    - 实现 generate_basic_stats 函数
+    - 生成列信息（名称、类型、缺失率、唯一值数量）
+    - 生成示例值（每列最多5个）
+    - _需求：FR-1.2, FR-1.3_
+  
+  - [x] 7.2 实现 AI 驱动的数据理解
+    - 实现 understand_data 函数
+    - 调用 LLM 推断数据类型
+    - 调用 LLM 识别关键字段和业务含义
+    - 调用 LLM 评估数据质量
+    - 生成 DataProfile 对象
+    - _需求：FR-1.2, FR-1.3, FR-1.4_
+  
+  - [x] 7.3 编写属性测试：数据理解
+    - **属性 1：数据类型识别**
+    - **属性 2：数据画像完整性**
+    - **验证需求：场景1验收.1, FR-1.2, FR-1.3, FR-1.4**
+  
+  - [x] 7.4 编写单元测试
+    - 测试工单数据识别
+    - 测试销售数据识别
+    - 测试数据质量评估
+
+
+- [x] 8. 实现需求理解引擎
+  - [x] 8.1 实现用户需求解析
+    - 实现 understand_requirement 函数
+    - 调用 LLM 解析自然语言需求
+    - 将抽象概念转化为具体指标
+    - 生成 RequirementSpec 对象
+    - _需求：FR-2.1, FR-2.2_
+  
+  - [x] 8.2 实现模板解析功能
+    - 实现 parse_template 函数
+    - 解析模板文件结构
+    - 提取模板要求的指标和图表
+    - _需求：FR-2.3_
+  
+  - [x] 8.3 实现数据-需求匹配检查
+    - 实现 check_data_requirement_match 函数
+    - 检查数据是否满足需求
+    - 标记缺失的字段或能力
+    - _需求：FR-2.3_
+  
+  - [x] 8.4 编写属性测试：需求理解
+    - **属性 3：抽象需求转化**
+    - **属性 4：模板解析**
+    - **属性 5：数据-需求匹配检查**
+    - **验证需求：场景2验收.1, .2, 场景3验收.1, .2, FR-2.1, FR-2.2, FR-2.3**
+  
+  - [x] 8.5 编写单元测试
+    - 测试"健康度"需求的理解
+    - 测试模板解析
+    - 测试数据不满足需求的情况
+
+- [x] 9. 检查点 - 确保数据和需求理解测试通过
+  - 确保所有测试通过，如有问题请询问用户
+
+- [x] 10. 实现分析规划引擎
+  - [x] 10.1 实现 AI 驱动的任务生成
+    - 实现 plan_analysis 函数
+    - 调用 LLM 根据数据特征和需求生成任务列表
+    - 为每个任务分配优先级
+    - 识别任务依赖关系
+    - 生成 AnalysisPlan 对象
+    - _需求：FR-3.1, FR-3.2_
+  
+  - [x] 10.2 实现任务依赖验证
+    - 实现 validate_task_dependencies 函数
+    - 检查依赖关系是否形成 DAG
+    - 检查所有依赖的任务是否存在
+    - _需求：FR-3.1_
+  
+  - [x] 10.3 编写属性测试：分析规划
+    - **属性 6：动态任务生成**
+    - **属性 7：任务依赖一致性**
+    - **验证需求：场景1验收.2, FR-3.1, FR-3.2**
+  
+  - [x] 10.4 编写单元测试
+    - 测试任务生成
+    - 测试循环依赖检测
+    - 测试任务优先级排序
+
+
+- [x] 11. 实现任务执行引擎（ReAct 模式）
+  - [x] 11.1 实现 ReAct 执行循环
+    - 实现 execute_task 函数
+    - 实现思考-行动-观察循环
+    - 调用 LLM 进行思考和决策
+    - 选择并调用工具
+    - 记录执行历史
+    - 实现循环终止条件（完成或达到最大迭代次数）
+    - _需求：FR-5.1_
+  
+  - [x] 11.2 实现工具调用和结果处理
+    - 实现 call_tool 函数
+    - 根据 AI 决策选择工具
+    - 传递参数并执行工具
+    - 处理工具执行结果
+    - _需求：FR-5.2_
+  
+  - [x] 11.3 实现洞察提炼
+    - 实现 extract_insights 函数
+    - 从执行历史中提炼关键发现
+    - 识别异常和趋势
+    - _需求：FR-5.4_
+  
+  - [x] 11.4 编写属性测试：任务执行
+    - **属性 13：任务执行完整性**
+    - **属性 14：ReAct 循环终止**
+    - **属性 15：异常识别**
+    - **验证需求：场景1验收.3, 场景4验收.1, FR-5.1**
+  
+  - [x] 11.5 编写单元测试
+    - 测试 ReAct 循环
+    - 测试工具选择和调用
+    - 测试异常数据的识别
+
+- [x] 12. 实现动态计划调整
+  - [x] 12.1 实现计划调整逻辑
+    - 实现 adjust_plan 函数
+    - 分析已完成任务的结果
+    - 识别关键发现和异常
+    - 决定是否需要深入分析
+    - 生成新任务或调整优先级
+    - _需求：FR-3.3, FR-5.4_
+  
+  - [x] 12.2 编写属性测试：计划调整
+    - **属性 8：计划动态调整**
+    - **验证需求：场景4验收.2, .3, FR-3.3**
+  
+  - [x] 12.3 编写单元测试
+    - 测试发现异常后的计划调整
+    - 测试新任务的生成
+    - 测试任务跳过逻辑
+
+- [ ] 13. 检查点 - 确保规划和执行引擎测试通过
+  - 确保所有测试通过，如有问题请询问用户
+
+
+- [x] 14. 实现报告生成引擎
+  - [x] 14.1 实现关键发现提炼
+    - 实现 extract_key_findings 函数
+    - 从所有分析结果中提炼关键发现
+    - 识别最重要的异常和趋势
+    - 排序和优先级排列
+    - _需求：FR-6.1_
+  
+  - [x] 14.2 实现报告结构组织
+    - 实现 organize_report_structure 函数
+    - 根据分析内容组织报告结构
+    - 如果有模板，参考模板结构
+    - 如果没有模板，生成合理的结构
+    - _需求：FR-6.2_
+  
+  - [x] 14.3 实现 AI 驱动的报告生成
+    - 实现 generate_report 函数
+    - 调用 LLM 生成报告内容
+    - 包含执行摘要、详细分析、结论和建议
+    - 嵌入图表和可视化
+    - 格式化为 Markdown
+    - _需求：FR-6.1, FR-6.2, FR-6.3_
+  
+  - [x] 14.4 实现报告追溯性
+    - 确保报告中的所有发现都能追溯到分析结果
+    - 说明哪些分析被跳过及原因
+    - _需求：FR-6.1_
+  
+  - [x] 14.5 编写属性测试：报告生成
+    - **属性 16：报告结构完整性**
+    - **属性 17：报告内容追溯性**
+    - **验证需求：场景3验收.3, .4, 场景4验收.4, FR-6.1, FR-6.2**
+  
+  - [x] 14.6 编写单元测试
+    - 测试报告结构生成
+    - 测试模板结构遵循
+    - 测试跳过分析的说明
+
+- [x] 15. 实现错误处理机制
+  - [x] 15.1 实现数据加载错误处理
+    - 实现 load_data_with_retry 函数
+    - 支持多种编码尝试
+    - 处理文件过大的情况（采样）
+    - 处理格式错误
+    - _需求：NFR-2.1_
+  
+  - [x] 15.2 实现 AI 调用错误处理
+    - 实现 call_llm_with_fallback 函数
+    - 实现重试机制（指数退避）
+    - 实现降级策略（规则方法）
+    - _需求：NFR-2.1_
+  
+  - [x] 15.3 实现工具执行错误处理
+    - 实现 execute_tool_safely 函数
+    - 验证工具参数
+    - 捕获执行异常
+    - 返回错误信息而不是崩溃
+    - _需求：NFR-2.1_
+  
+  - [x] 15.4 实现任务执行错误处理
+    - 实现 execute_task_with_recovery 函数
+    - 检查依赖任务状态
+    - 处理依赖失败的情况
+    - 单个任务失败不影响整体流程
+    - _需求：NFR-2.1_
+  
+  - [x] 15.5 编写单元测试
+    - 测试各种错误场景
+    - 测试重试机制
+    - 测试降级策略
+    - 测试错误恢复
+
+
+- [x] 16. 实现主流程编排
+  - [x] 16.1 实现完整分析流程
+    - 实现 run_analysis 主函数
+    - 编排五个阶段的执行顺序
+    - 处理阶段之间的数据传递
+    - 实现进度显示
+    - _需求：所有功能需求_
+  
+  - [x] 16.2 实现命令行接口
+    - 实现 CLI 参数解析
+    - 支持指定数据文件
+    - 支持指定用户需求
+    - 支持指定模板文件
+    - 支持指定输出目录
+    - _需求：NFR-3.1_
+  
+  - [x] 16.3 实现日志和可观察性
+    - 配置日志系统
+    - 记录每个阶段的执行状态
+    - 显示 AI 的思考过程
+    - 记录错误和警告
+    - _需求：NFR-3.2_
+  
+  - [x] 16.4 编写集成测试
+    - 测试端到端分析流程
+    - 测试基于模板的分析
+    - 测试错误恢复流程
+
+- [x] 17. 实现配置和环境管理
+  - [x] 17.1 创建配置文件
+    - 定义 LLM API 配置
+    - 定义性能参数（超时、重试次数）
+    - 定义输出路径配置
+    - _需求：约束条件5.1_
+  
+  - [x] 17.2 实现环境变量支持
+    - 支持从环境变量读取 API 密钥
+    - 支持配置文件覆盖
+    - _需求：约束条件5.1_
+  
+  - [x] 17.3 编写单元测试
+    - 测试配置加载
+    - 测试环境变量读取
+
+- [x] 18. 检查点 - 确保所有测试通过
+  - 确保所有测试通过，如有问题请询问用户
+
+
+- [x] 19. 创建测试数据和示例
+  - [x] 19.1 创建测试数据集
+    - 创建工单数据示例（ticket_sample.csv）
+    - 创建销售数据示例（sales_sample.csv）
+    - 创建用户数据示例（user_sample.csv）
+    - 创建包含异常的数据集
+    - _需求：验收标准_
+  
+  - [x] 19.2 创建分析模板
+    - 创建工单分析模板（ticket_analysis.md）
+    - 创建问题分析模板（problem_analysis.md）
+    - 创建基于数据特征的分析模板（data_analysis.md）
+    - _需求：场景3验收_
+  
+  - [x] 19.3 编写示例脚本
+    - 创建完全自主分析示例
+    - 创建指定需求分析示例
+    - 创建基于模板分析示例
+
+- [x] 20. 编写文档
+  - [x] 20.1 编写 README
+    - 项目介绍
+    - 安装说明
+    - 使用示例
+    - 配置说明
+    - _需求：NFR-3.1_
+  
+  - [x] 20.2 编写 API 文档
+    - 核心类和函数的文档字符串
+    - 工具接口文档
+    - 配置参数文档
+    - _需求：NFR-3.1_
+  
+  - [x] 20.3 编写开发者指南
+    - 如何添加新工具
+    - 如何扩展功能
+    - 架构说明
+    - _需求：NFR-4.1_
+
+- [x] 21. 性能优化和验证
+  - [x] 21.1 运行性能测试
+    - 测试数据理解阶段性能（< 30秒）
+    - 测试完整分析流程性能（< 30分钟）
+    - 测试大数据集处理（100万行）
+    - _需求：NFR-1.1, NFR-1.2_
+  
+  - [x] 21.2 优化性能瓶颈
+    - 优化数据加载
+    - 优化 AI 调用（批处理、缓存）
+    - 优化工具执行
+    - _需求：NFR-1.1_
+  
+  - [x] 21.3 编写性能测试
+    - 测试各阶段的性能指标
+    - 测试内存使用
+
+- [x] 22. 最终检查点 - 完整系统验证
+  - 运行所有测试套件
+  - 验证所有验收标准
+  - 运行端到端示例
+  - 确保所有测试通过，如有问题请询问用户
+
+
+## 注意事项
+
+- 所有任务都是必需的，确保从一开始就有完整的测试覆盖
+- 每个任务都引用了具体的需求以便追溯
+- 检查点确保增量验证
+- 属性测试验证通用正确性属性
+- 单元测试验证特定示例和边缘情况
+- 所有属性测试应使用 hypothesis 库，最少运行 100 次迭代
+- 每个属性测试必须包含注释标签：`# Feature: true-ai-agent, Property {number}: {property_text}`
+
+## 实施顺序说明
+
+1. **阶段1（任务1-5）**：搭建基础设施，实现工具系统
+2. **阶段2（任务6-9）**：实现数据理解和需求理解引擎
+3. **阶段3（任务10-13）**：实现分析规划和任务执行引擎
+4. **阶段4（任务14-15）**：实现报告生成和错误处理
+5. **阶段5（任务16-18）**：集成和主流程编排
+6. **阶段6（任务19-22）**：测试数据、文档和性能优化
+
+每个阶段都有检查点，确保在继续之前验证功能正确性。
+
+---
+
+**版本**: v1.0.0  
+**日期**: 2026-03-06  
+**状态**: 任务计划完成