智能数据分析助手
经 AI Skill Hub 精选评估，智能数据分析助手 获评「强烈推荐」。已获得 2.0k 颗 GitHub Star，这款AI工具在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 8.8 分，适合有一定技术背景的用户使用。
📚 深度解析
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
智能数据分析助手 依赖 Python 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Python 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 智能数据分析助手 的版本更新，及时通知重要功能变化。
📋 工具概览
一个由大模型驱动的开源数据分析工作流，支持通过自然语言对话自动生成可视化报表与商业洞察。它将复杂的数据处理流程简化为聊天交互，非常适合数据分析师、业务运营人员及需要快速获取数据结论的决策者。
智能数据分析助手 是一款基于 Python 开发的开源工具，专注于 数据分析、自动化报表、商业智能 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
📖 中文文档
一个由大模型驱动的开源数据分析工作流，支持通过自然语言对话自动生成可视化报表与商业洞察。它将复杂的数据处理流程简化为聊天交互，非常适合数据分析师、业务运营人员及需要快速获取数据结论的决策者。
智能数据分析助手 是一款基于 Python 开发的开源工具，专注于 数据分析、自动化报表、商业智能 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
# 方式一：pip 安装（推荐）
pip install data-analysis-agent
# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install data-analysis-agent
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/Zafer-Liu/Data-Analysis-Agent
cd Data-Analysis-Agent
pip install -e .
# 验证安装
python -c "import data_analysis_agent; print('安装成功')"
- 访问 GitHub 仓库页面
- 按照 README 文档完成依赖安装
- 根据系统环境完成初始化配置
- 参考官方示例或文档开始使用
- 遇到问题可在 GitHub Issues 中查找解答
# 命令行使用
data-analysis-agent --help
# 基本用法
data-analysis-agent input_file -o output_file
# Python 代码中调用
import data_analysis_agent
# 示例
result = data_analysis_agent.process("input")
print(result)
# data-analysis-agent 配置文件示例（config.yml） app: name: "data-analysis-agent" debug: false log_level: "INFO" # 运行时指定配置文件 data-analysis-agent --config config.yml # 或通过环境变量配置 export DATA_ANALYSIS_AGENT_API_KEY="your-key" export DATA_ANALYSIS_AGENT_OUTPUT_DIR="./output"
简介
<p align="center"> <img src="./Information/assets/Banner.png" alt="智能商业分析 Agent Banner" width="100%" /> </p>
</div>
一个面向商业分析场景的 AI Agent。 连接数据源后，用户只需使用自然语言提问，系统即可自动完成： - 数据结构识别 - SQL 生成与执行 - 图表生成 - 业务洞察分析
💬 官方交流群： QQ 群 991636855 · Telegram 群
<p align="center"> <a href="#quickstart">⚡ 快速体验</a> · <a href="#features">✨ 项目亮点</a> · <a href="#agent-manager">🧩 推荐管理</a> · <a href="#install">⚙️ 安装说明</a> · <a href="#examples">📈 使用示例</a> · <a href="#llm-config">🤖 LLM配置</a> · <a href="#faq">❓ FAQ</a> </p>
<details> <summary><strong>📚 完整目录</strong></summary>
<br>
</details>
---
<a id="quickstart"></a>
✨ 项目亮点
智析Agent是一个对话式商业数据分析智能体，目标是让非技术用户也能像"聊天"一样完成数据分析。
上传 Excel / CSV，或连接数据库后，用户可以直接提问：
最近三个月销售额趋势如何？
哪个地区利润最高？
帮我生成用户增长图系统会自动：
- 理解问题意图
- 分析数据结构（Schema）
- 自动生成 SQL
- 执行查询
- 自动推荐图表
- 输出业务洞察
并通过 SSE（Server-Sent Events）流式输出，实时展示分析过程。
---
<a id="demo"></a>
🧠 核心能力
2️⃣ 多数据源支持
支持上传和连接多种数据源：
- 文件：Excel / CSV
- 数据库：SQLite、MySQL、PostgreSQL、SQL Server
- 未来计划：DuckDB、Spark
2. 安装依赖
pip install -r requirements.txt
⚙️ 安装说明
🖥️ 方式 1：Windows 安装包（最简单，推荐）
从 GitHub Releases 下载最新版本：
| 平台 | 文件 |
|---|---|
| Windows | BusinessAnalyticsAgent_v1.0.0_LTS.exe |
前置要求：Python 3.10+、Windows 10 / 11 64 位。
双击安装包并按提示安装。安装完成后，从桌面或开始菜单启动 Business Analytics Agent。
---
方式 3：一键在线安装
Windows（在 PowerShell 中运行）：
iwr -useb https://raw.githubusercontent.com/Zafer-Liu/Data-Analysis-Agent/main/install.ps1 | iex安装完成后双击桌面的 data-analysis-agent.bat 启动，或：
cd $env:USERPROFILE\.data-analysis-agent\Data-Analysis-Agent
.\.venv\Scripts\activate
python app.pymacOS / Linux（在终端中运行）：
curl -fsSL https://raw.githubusercontent.com/Zafer-Liu/Data-Analysis-Agent/main/install.sh | sh安装完成后运行：
data-analysis-agent如提示 command not found，将以下内容添加到 ~/.zshrc 或 ~/.bashrc，然后重启终端：
export PATH="$HOME/.local/bin:$PATH"---
3. 启动
python app.py
🎬 产品演示
一图胜千言，一段演示胜万图。
https://github.com/user-attachments/assets/f298aae2-6238-475e-9d85-1da33b7b847e
</div>
<p align="center"> <em>演示视频 - 中文</em> </p>
---
<a id="agent-manager"></a>
📈 使用示例
示例 1：趋势分析
用户输入：
最近 12 个月销售趋势系统输出：
- SQL 查询
- 趋势折线图
- 销售增长分析
---
示例 2：区域分析
用户输入：
哪个地区利润最高？系统输出：
- 地区利润排行
- 柱状图
- 区域经营洞察
---
示例 3：图表优先模式
用户输入：
/chart 用户增长情况系统会优先生成可视化图表。
---
<a id="llm-config"></a>
5. 在侧边栏配置 API Key，上传数据，开始提问！
> 💡 Windows 用户也可以直接从 [GitHub Releases](https://github.com/Zafer-Liu/Data-Analysis-Agent/releases/latest) 下载 exe 安装包。
<details> <summary>📖 完整安装方式（4种）</summary>
详见下方 安装说明 章节，支持 exe、压缩包、在线安装、Git Clone 四种方式。
</details>
---
<a id="sponsors"></a>
🤖 LLM 配置说明
在侧边栏 ⚙ 中填写：
API Key
Base URL
Model即可切换模型。
---
<a id="roadmap"></a>
5️⃣ 多模型兼容
支持以下模型服务：
- DeepSeek
- OpenAI
- AtlasCloud
- 任意 OpenAI SDK Compatible API
并支持自定义 base_url、model、api_key。默认配置如下：
| Provider | Default Model |
|---|---|
| DeepSeek | deepseek-v4-flash |
| OpenAI | gpt-4o-mini |
| AtlasCloud | deepseek-v4-pro |
❓ FAQ
<details> <summary><b>📦 安装与启动</b></summary>
<br>
<details> <summary><b>安装依赖时网络超时？</b></summary>
脚本会自动切换清华源重试。
若仍失败，请手动执行：
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple</details>
<details> <summary><b>pip install 报错 / 安装依赖失败？</b></summary>
脚本会自动切换国内镜像（清华源）重试。
若仍失败，请手动指定镜像：
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple同时请确保磁盘至少保留 2 GB 可用空间。
</details>
<details> <summary><b>Python 版本不对（需要 3.10+）？</b></summary>
查看当前版本：
python --version如果版本低于 3.10，请前往：
https://www.python.org/downloads/
下载并安装最新版本。
</details>
<details> <summary><b>start.bat 双击没反应或一闪而过？</b></summary>
Python 未正确加入系统 PATH。
重新安装 Python 时勾选 "Add Python to PATH"，然后重启电脑再试。
</details>
<details> <summary><b>macOS 运行 start.command 被系统阻止？</b></summary>
在终端执行以下命令解除限制：
xattr -d com.apple.quarantine /你的路径/start.command如果提示：
"无法打开，因为无法验证开发者"
可以：
- 右键点击
start.command - 选择"打开"
- 再次点击"打开"
</details>
</details>
---
<details> <summary><b>🔑 API 配置</b></summary>
<br>
<details> <summary><b>提示未配置 LLM？</b></summary>
在侧栏 ⚙ 中填写 API Key 并保存。
</details>
<details> <summary><b>如何获取 API Key？</b></summary>
这里以 DeepSeek 为例：
</details>
</details>
---
<details> <summary><b>🗄️ 数据库连接</b></summary>
<br>
<details> <summary><b>如何连接 SQL 数据库？</b></summary>
请使用以下格式连接：
mysql+pymysql://用户名:密码@主机:端口/数据库名示例：
❌ 错误写法：
mysql://user:pass@host:3306/dbname✅ 正确写法：
mysql+pymysql://user:pass@host:3306/dbname</details>
</details>
---
<details> <summary><b>📊 图表与文件</b></summary>
<br>
<details> <summary><b>图表链接重启后失效？</b></summary>
生成的图表保存在本地目录：
outputs/charts可直接使用浏览器打开对应的 HTML 文件。
</details>
</details>
---
<a id="contributing"></a>
aiskill88点评：该工具将 Agent 与数据可视化深度结合，极大地降低了数据分析门槛，实用性极强且社区活跃度高。
⚡ 核心功能
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
👥 适合人群
🎯 使用场景
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
⚖️ 优点与不足
- +Apache-2.0 协议，可免费商用
- +完全开源免费，无授权费用
- +本地部署，数据完全自主可控
- +开发者社区支持，遇问题可查可问
- −安装和初始配置可能需要一定技术基础
- −功能完整性通常不如成熟商业产品
- −技术支持主要依赖开源社区，响应速度不稳定
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ Apache 2.0 — 宽松开源协议，可商用，需保留版权声明和 NOTICE 文件，含专利授权条款。
🔗 相关工具推荐
❓ 常见问题 FAQ
AI Skill Hub 点评：智能数据分析助手 的核心功能完整，质量优秀。对于AI爱好者来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。
| 原始名称 | Data-Analysis-Agent |
| Topics | 数据分析自动化报表商业智能 |
| GitHub | https://github.com/Zafer-Liu/Data-Analysis-Agent |
| License | Apache-2.0 |
| 语言 | Python |
收录时间：2026-07-02 · 更新时间：2026-07-02 · License：Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。