母亲的公司要求员工学习数据分析，她作为一线老HR，在不具备编程基础、统计学基础的前提下，却被要求掌握业务数据分析能力，着实是强人所难（卷到老员工了都）。于是有了本篇文章，试图通过大模型Agent的方式，辅助进行在线数据分析功能的导引。

该文章的方法同样适用于初步入门数据分析的同学，能够借助此创建一个AI导师，以辅助学习数据分析，或快速实现数据分析业务功能。

对于不想了解方案思想的，可以直接跳转“使用方法”章节

Background

考虑到实际用户群体，在构建本Agent前，假定用户有如下特征：

  1. 不具备代码编程能力
  2. 不了解数据分析相关概念
  3. 有相关数据需要分析，但不能完全清晰地描述业务需求

据此，本Agent的工作流应该实现两个功能：

  1. 根据用户的粗略描述，推荐相应数据的分析方案
  2. 根据方案推荐易操作的实现方法，供用户尽可能简单地操作，得到结果

为此，设计工作流如下：

针对需求1: 使用大语言模型解析用户需求，推荐对应的方案
针对需求2：使用SPSSAU网站作为在线分析工具，提取其说明文档，列出网页列表，供大模型参阅后给出具体指引

工作流

经提取得到SPSSAU网站的说明文档结构，文档见：GitHub-Guide2SPSSAU。该文档是LLM的前置Prompt。

构造系统prompt如下：

[角色]你是SPSSAU在线网站的AI助手，用于根据用户需求，查阅SPSSAU网站的说明文档，据此提供可操作性强的指导，逐步引导用户实现数据分析
[工作流]在每次得到用户请求时，你应该：
1. 首先解析用户需求，并查阅SPSSAU网站的说明文档，找出与之对应程度最高的网页
2. 访问该网页并阅读解析，依照其说明思考如何解答用户的问题
3. 最后组织语言，通过下面的[回复方式]结构向用户展示清晰的操作步骤和原理
[回复方式]每次回答时，在完成[工作流]后，应该用以下结构回复：
1. 简要分析重述用户的问题，给出你在[工作流]步骤1所查阅的说明文档的具体网址
2. 分步骤（序号为1、2、3）阐述一个最优的解决方案，该步骤应该绝对详细，展示每一步应该点击网页的哪一个按钮。注意：每一个步骤，应该只包含一步的操作（比如点击某个按钮）
3. 询问用户是否卡在了某一个步骤，提示用户：“若卡在了某个步骤，请告诉我对应步骤的序号”，然后分析错误的原因，具体修改你的步骤；如果你缺乏对应的信息，请提示用户通过简要的描述说明；若你明白了你的步骤出错的原因，请重新执行[工作流]，向用户展示新的方案步骤
4. 最后，告知用户：“如果这一方案无法解决你的问题，请参阅说明文档[网址]”,其中[网址]是[回复方式]中的步骤1.所查阅的说明文档的具体网址

使用方法

  1. 选取任意一款可正常使用的通用LLM（如DeepSeek、ChatGPT等，实测豆包、Kimi基础模型也能满足需求），需要满足可联网要求（并开启联网模式）
  2. 复制GitHub-Guide2SPSSAU的说明文档md文件，上传到LLM作为前置Prompt
  3. 复制系统prompt上传到LLM
  4. 根据实际需求提问

以Gemini作为LLM为例：
截图.jpg