6.4 企业数据分析师Agent：数据查询与报告生成实战
一、场景概述（与书 6.3 综合案例3 对应）
《大模型应用开发极简入门》第6章「实战项目：端到端AI应用」中，综合案例3为企业数据分析师Agent：数据查询 + 可视化 + 报告生成。本节与之一一对应，给出能力拆解、工具设计与实现思路，便于端到端搭建。
企业数据分析师 Agent 可根据自然语言问题生成 SQL、执行查询、生成图表与报告，降低数据分析门槛。
二、核心能力
- 自然语言转 SQL：将「上月销售额 TOP10」「各部门人数分布」等转为可执行 SQL，需结合库表 schema 与业务口径（见 5.7 节）。
- 数据可视化：根据数据特点与用户意图推荐图表类型（折线、柱状、饼图等），并调用图表工具生成图片。
- 报告生成：基于查询结果生成 Markdown 或 Word 分析报告，可预置模板与变量填充。
三、工具设计
| 工具 | 功能 |
|---|---|
| execute_sql | 执行 SQL 并返回结果（只读、限制表范围、防注入） |
| get_schema | 返回库表结构，供模型生成 SQL 时参考 |
| generate_chart | 根据数据与类型生成图表（如 matplotlib/plotly） |
| generate_report | 根据结果与模板生成 Markdown/Word 报告 |
四、实现思路
- 用户输入（如「上月销售额 TOP10」）→ Agent 解析意图。
- 若需查数：先调用 get_schema（可选）→ 模型生成 SQL → execute_sql 执行 → 结果返回模型。
- 若需图表：模型决定图表类型与数据列 → generate_chart → 返回图片或链接。
- 若需报告：模型组织结论与数据 → generate_report 填充模板 → 返回报告。
与书中「数据查询 + 可视化 + 报告生成」完全一致。
五、安全与约束
- SQL：仅允许 SELECT、限制可访问表、参数化或白名单校验，防止 SQL 注入。
- 数据脱敏：报告与图表中敏感字段脱敏，符合企业合规要求。
- 权限：按用户或角色限制可查数据集与可执行操作。
六、与 5.6、5.7 节的实现衔接
5.6 节已讲解 ReAct Agent 与多工具编排，5.7 节给出了数据分析 Agent 的工具设计（SQL、图表、报告）。本节在 5.7 的基础上明确了企业数据分析师这一综合案例的定位：自然语言转 SQL、数据可视化、报告生成三者一体。实现时可直接复用 5.6 节的 create_react_agent + AgentExecutor，将 execute_sql、get_schema、generate_chart、generate_report 封装为 Tool，并在 system 中说明「你是企业数据分析师，可根据用户问题查数据、画图、生成报告」。书中综合案例3 的「数据查询 + 可视化 + 报告生成」即按此模式落地。
八、get_schema 与自然语言转 SQL 的提示设计
get_schema 工具可返回当前允许访问的表名、列名及简要说明，供模型生成 SQL 时参考。在 system 中可写：「你只能根据 get_schema 返回的表结构生成 SQL；仅允许 SELECT；不要使用未在 schema 中出现的表或列。」这样可减少模型编造表名或危险操作。自然语言转 SQL 时，若业务有固定口径（如「销售额」对应某表某列），可在 system 中列出「业务术语 → 表.列」的映射，或提供少量「用户问题 → 正确 SQL」的少样本，提升生成准确率。书中综合案例3 未展开提示细节，本节补充后可直接用于实现阶段。
九、小结
企业数据分析师 Agent 是书中综合案例3的落地形态，也是 Agent + 工具调用的典型应用。通过合理设计工具与提示，可构建实用的数据分析助手。下一节将介绍 DeepSeek 与国内大模型适配。在实际落地时，建议先支持「自然语言 → SQL → 表格结果」的最小闭环，再逐步加入图表与报告，便于快速验证与迭代。与 6.2 节部署结合时，需对 execute_sql 做严格的权限与审计，避免越权查询或敏感数据泄露。
十、与 6.1 融合方案、6.2 部署的衔接
6.1 节融合方案：数据分析师 Agent 即 6.1 中「数据分析」典型场景的完整实现；技术组合为「提示工程（角色+格式）+ Agent（工具编排）+ 工具（SQL、图表、报告）」，无需 RAG 除非接入指标说明等知识库。6.2 节部署：execute_sql、generate_chart 等工具涉及数据与算力，部署时需做限流、审计与权限控制；报告与图表可考虑缓存与异步生成，与 6.2 性能优化一致。书中综合案例3 与 6.1 架构、6.2 生产的衔接点在本节已明确，按本节工具与 5.6、5.7 实现后即可接入 6.2 的网关与监控。
十一、小结（复述）
企业数据分析师 Agent 对应书中综合案例3：数据查询 + 可视化 + 报告生成。工具设计（execute_sql、get_schema、generate_chart、generate_report）与 5.7 一致，实现依赖 5.6 ReAct Agent；安全与部署需结合 6.2。掌握本节即可从零搭建可用的数据分析 Agent，并与全书 RAG、Agent、部署形成闭环。
十二、实现顺序与最小闭环建议
建议先支持「自然语言 → SQL → 表格结果」的最小闭环：用户输入问题 → Agent 调用 get_schema（可选）→ 模型生成 SQL → execute_sql 执行 → 结果返回用户。验证稳定后再加入 generate_chart（根据数据与用户意图推荐图表类型并生成图片）、generate_report（将结果填充到 Markdown/Word 模板）。与 6.2 节部署结合时，需对 execute_sql 做严格的权限与审计（只读、白名单表、记录谁在何时执行了哪些 SQL），避免越权查询或敏感数据泄露。
十三、get_schema 与业务口径的提示设计（复述）
get_schema 工具可返回当前允许访问的表名、列名及简要说明。在 system 中可写：「你只能根据 get_schema 返回的表结构生成 SQL；仅允许 SELECT；不要使用未在 schema 中出现的表或列。」若业务有固定口径（如「销售额」对应某表某列），可在 system 中列出「业务术语 → 表.列」的映射，或提供少量「用户问题 → 正确 SQL」的少样本，提升生成准确率。书中综合案例3 的「数据查询 + 可视化 + 报告生成」即按本节模式落地。
下一节预告：6.5 DeepSeek模型API调用与国内大模型适配指南
