# DataAnalysis-Agent

**Repository Path**: elfbobo_admin_admin/data-analysis-agent

## Basic Information

- **Project Name**: DataAnalysis-Agent
- **Description**: 数据分析智能体
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-04-24
- **Last Updated**: 2026-04-24

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# DataAnalysis-Agent

对话式数据分析智能体。当前仓库已经拆成清晰的前后端结构：

- `frontend/`: React + TanStack 前端
- `backend/`: FastAPI + OpenAI SDK + 真实统计 skill
- `skills/`: 现有 skill 资料与参考实现

![](resources/app.png)

## 当前架构

![](resources/structre.png)

- 数据存储: 数据集保存在浏览器 `IndexedDB`，会话保存在 `localStorage`
- 数据传输: 用户发起分析时，前端把当前 CSV 文本发送给本地 Python 后端
- LLM 编排: 后端通过 OpenAI Compatible 接口做问题理解、skill 规划、结果总结
- Skill 执行: 后端当前已真实实现 8 个核心 skill

已实现的真实 skill:

- `mean`
- `median`
- `variance`
- `iqr`
- `correlation`
- `linear-regression`
- `t-test`
- `normal-distribution`

## 目录结构

```text
data-analysis-agent/
├── backend/
│   ├── app/
│   ├── .env
│   ├── .env.example
│   └── requirements.txt
├── frontend/
│   ├── src/
│   ├── .env.example
│   └── package.json
└── skills/
```

## 快速启动

### 1. 启动后端

```bash
cd backend
python -m uvicorn app.main:app --reload --port 8000
```

后端默认读取:

- `backend/.env`
- `OPENAI_API_KEY`
- `OPENAI_MODEL`
- `OPENAI_BASE_URL`

### 2. 启动前端

```bash
cd frontend
npm install
npm run dev
```

前端默认读取:

- `frontend/.env`
- `VITE_API_BASE_URL=http://127.0.0.1:8000`

## 联调流程

1. 在前端页面上传 CSV
2. 前端解析 CSV，推断列类型，并保存到浏览器
3. 用户输入自然语言问题
4. 前端调用 `POST /api/analyze`
5. 后端用 LLM 规划 skill 调用顺序
6. 后端执行真实统计 skill，返回统一结果结构
7. 前端渲染 planning、skill 卡片、指标、表格和图表

## 常用命令

在仓库根目录执行:

```bash
make dev-frontend
make dev-backend
make build-frontend
```

如果本机没有 `make`，也可以直接进入各自目录执行原始命令。

## API

后端当前暴露:

- `GET /health`
- `POST /api/analyze`

## 说明

- 当前后端是无状态设计，不落库
- CSV 默认不长期上传服务器，只在本次分析请求里发送到本地后端
- 现在已经适合继续扩展剩余 mock skill 为真实实现