AI Data Analysis MultiAgent

使用场景研究人员使用该系统进行数据分析和可视化,以支持他们的研究论文。数据科学家利用该系统自动化报告编写,快速生成项目报告。研究团队使用该系统进行复杂的数据探索...

  • AI Data Analysis MultiAgent

    类别:数据分析,研究工具,python,agent,data-science,ai,artificial-intelligence,data-analytics,data-analysis,code-generation,multiagent-systems,large-language-models,llm,langchain,large-language-model,langgraph,ai-data-analysis,普通产品,开源,
    官网:https://github.com/starpig1129/AI-Data-Analysis-MultiAgent 更新时间:2025-08-02 09:54:55
  • 使用场景

    研究人员使用该系统进行数据分析和可视化,以支持他们的研究论文。

    数据科学家利用该系统自动化报告编写,快速生成项目报告。

    研究团队使用该系统进行复杂的数据探索,以发现新的研究假设。

    产品特色

    假设生成与验证

    数据处理与分析

    可视化创建

    网络搜索与信息检索

    代码生成与执行

    报告编写

    质量审查与修订

    监督智能体负责监督分析过程

    链式思考推理用于复杂问题解决

    批评智能体用于质量保证和错误检查

    创新的笔记智能体:持续记录项目的当前状态,提供比传输完整历史信息更高效的替代方案,增强系统在不同分析阶段保持上下文和连续性的能力

    使用教程

    1. 克隆仓库:使用git clone命令克隆AI-Data-Analysis-MultiAgent仓库。

    2. 创建并激活Conda虚拟环境:使用conda create命令创建名为data_assistant的虚拟环境,并激活它。

    3. 安装依赖:使用pip install -r requirements.txt命令安装所需的依赖。

    4. 设置环境变量:将.env Example重命名为.env,并填写所有必要的值。

    5. 启动Jupyter Notebook:将YourDataName.csv文件放置在data_storage目录下。

    6. 打开main.ipynb文件,并运行所有单元格以初始化系统并创建工作流。

    7. 在最后一个单元格中,通过修改userInput变量自定义研究任务。

    8. 运行最后几个单元格以执行研究过程并查看结果。