数据分析智能体
Data analysis agent
学到 认得 就够：听到能明白
你可能会说
“我能不能让一个 AI 连续检查数据、画图并整理报告，而不是每一步都重新交代？”
数据分析智能体是围绕分析目标，能够调用工具并衔接多个步骤的 AI 系统。它可能读取资料、写和运行代码、检查结果，再整理输出；具体能做多少取决于工具和权限。
使用 AI
科研里的例子
假设农业农村团队让智能体先审计县级数据并交一份问题清单，确认处理规则后再画趋势图，最终保留每步代码和数据版本。
这种系统的特点是把目标拆成步骤，并根据工具返回的信息决定下一步，而不是只给出一段回答。任务开始时应说明研究问题、输入文件、允许的操作和完成标准，特别是哪些处理需要先确认。每一步都应能追溯到数据版本、执行代码和实际输出，发生错误时要保留并说明，而不是反复改到看似顺利。可把工作分成数据审计、候选分析和报告等检查点，让研究者审查关键选择。工具连接越多，越要明确哪些材料可以传到哪里，以及哪些输出只是建议。自动衔接步骤并不会减少方法判断的责任。
在你的学科里，直接拿去用
把模糊需求变成可执行任务
我不熟悉AI术语。请把我的需求转成明确的任务说明。 我的原话：[粘贴] 可用材料：[列出文件、表、链接或说明目前没有材料] 使用者与用途：[填写] 先用普通中文复述目标，再给需要时才用的关键中英术语。区分任务、输入、约束、输出和可检查的完成标准。若缺项会实质改变结果，最多问3个问题；其他假设明确列出。先交付任务说明，不擅自执行与改文件。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG01
把数据分析要求写成可复现说明
请先为这项分析形成可复现的任务说明，再建议代码。 问题：[填写] 数据字典及已有规则：[提供] 可用软件与现有代码：[提供] 明确一行数据代表什么、样本范围、连接键、单位、缺失码、变量构造、估计对象和输出。区分描述分析与因果分析；缺少识别依据时不要把回归系数直接称为因果影响。给出小样本核对、异常记录和可重跑顺序。保留原始数据，所有转换写到派生结果并留记录；不能为得到显著结果修改数据或筛选规则。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG08
判断
亲手检查一次
挑一个关键数字，沿运行记录追溯到输入文件、处理代码和输出；若链条断了，先补证据再使用数字。
它做不到的
“智能体”不是准确率或因果识别保证。某个系统是否真的能运行分析，需要检查实际工具；不能凭产品名称推定它拥有数据库或软件权限。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。
来源
- OpenAI Agents SDK — Tools2026-11-07 核对
- OpenAI — Data analysis with ChatGPT2026-11-07 核对
卡片底稿由 AI 协助整理，经过核对；发现错误请告诉我。