L'Oréal 数据洞察 Agent (Data Insight Agent)

一个基于 ReAct Agent 架构 的智能数据分析系统，借鉴 Microsoft AutoGen 的多工具编排思想，让 AI 自主规划并执行多步骤数据分析。

架构概览

用户查询
   │
   ▼
┌──────────────────────────┐
│   DataAnalysisAgent      │  ReAct 编排器
│   (plan → execute → sum) │
└──────────┬───────────────┘
           │ 调用
    ┌──────┴──────────────────────────────────┐
    │              ToolRegistry               │
    │  ┌──────────┐  ┌──────────────────────┐ │
    │  │ Inspector│  │   SQL Query Tool     │ │
    │  └──────────┘  └──────────────────────┘ │
    │  ┌──────────┐  ┌──────────────────────┐ │
    │  │Visualize │  │ Statistical Analysis │ │
    │  └──────────┘  └──────────────────────┘ │
    │  ┌──────────┐  ┌──────────────────────┐ │
    │  │Profiling │  │  Report Generator    │ │
    │  └──────────┘  └──────────────────────┘ │
    └─────────────────────────────────────────┘

功能特点

六大分析工具

工具	功能	场景
DataInspectorTool	表结构检查、字段解读、数据概览	了解数据长什么样
SQLQueryTool	自然语言→SQL 查询	精准数据检索
DataVisualizationTool	折线/柱状/饼图/散点/直方/热力图	数据可视化
StatisticalAnalysisTool	描述统计、相关性、趋势、Top-N	深度统计分析
DataProfilingTool	缺失值/异常值/分布/质量评估	数据质量画像
ReportGeneratorTool	综合洞察报告生成	自动报告

Agent 能力

• 自主规划: Agent 根据用户查询自动选择合适的工具组合
• 多步骤执行: 按依赖关系顺序执行多个工具
• 结果综合: 汇总所有工具结果，生成专业分析报告
• 对话记忆: 支持多轮对话，上下文感知
• 优雅降级: 工具失败时自动回退

项目结构

├── app.py                      # Gradio Web 入口
├── agent/
│   ├── data_agent.py           # ReAct Agent 编排器
│   └── tool_registry.py        # 工具注册管理
├── tools/
│   ├── base_tool.py            # 工具基类
│   ├── data_inspector.py       # 数据检查工具
│   ├── sql_query.py            # SQL 查询工具
│   ├── data_visualization.py   # 数据可视化工具
│   ├── statistical_analysis.py # 统计分析工具
│   ├── data_profiling.py       # 数据画像工具
│   └── report_generator.py     # 报告生成工具
├── core/
│   ├── llm_client.py           # LLM 客户端（支持函数调用）
│   ├── database.py             # 数据库管理器
│   └── dialogue_context.py     # 对话上下文管理
├── utils/
│   └── logger.py               # 日志工具
├── data/
│   ├── data.csv                # 源数据
│   └── order_database.db       # SQLite 数据库
├── import_csv_to_sqlite.py     # 数据导入脚本
├── requirements.txt
└── setup.py

快速开始

环境要求

• Python >= 3.10
• SQLite3

安装

git clone https://github.com/PI-33/Data-Insight-Agent.git
cd Data-Insight-Agent

python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

pip install -r requirements.txt

配置

创建 .env 文件：

API_KEY=your_api_key_here
BASE_URL=https://api.siliconflow.cn/v1

导入数据（首次运行）

python import_csv_to_sqlite.py

启动

python app.py

访问 http://localhost:7860

Docker 部署

docker-compose up -d

使用示例

数据探查

帮我查看一下数据库有哪些表和字段
分析一下数据整体质量如何

数据查询

统计每个产品在10月份的销售总额和销售数量
查询一线城市的销售情况

可视化分析

绘制2024年10月21日到10月30日的每日销售额趋势图
展示各销售渠道的销售额占比饼图
展示销售额前15的城市销售情况柱状图

深度分析

分析各省份的销售额排名
对销售数据做全面的统计分析并生成报告

在线体验

访问 ModelScope 体验页面 立即开始使用。