文章分类

AI 分析洞察

共 10 篇文章

我如何让外部 Agent 保留通用能力，让内置 Agent 深入数据分析工作流，最后接入同一个 Control Plane。

AI 分析洞察2026年8月29日

当 AI Agent 开始找数据、写 SQL、运行 Notebook 并修改报告，聊天记录与文件版本已不足以保存完整证据链。本文说明为什么数据分析需要 Analysis Lineage。

AI 分析洞察2026年8月24日

Skill 能保存分析方法，也能打包具体案例的 SQL 与背景；但真实分析还包含数据版本、执行状态、人工决策、证据与限制。本文说明为什么分析需要一个可审核、可重跑的工作环境。

AI 分析洞察2026年7月19日

AI Agent 不只是把回答写得更长，而是能依状态使用工具、推进多步工作并留下可验收成果；本文用数据分析说明两者差异、评估方式、适用情境与导入边界。

AI 分析洞察2026年7月19日

AI 分析最难发现的是口径、分母、JOIN 与时间窗造成的合理错误；本文提供 Plan、SQL、checkpoint、limitations 四层查核方法。

AI 分析洞察2026年7月19日

自然语言能降低查询起点，却不能取代 SQL 对粒度、JOIN、筛选与聚合的可审阅证据；未来更合理的分工是 AI 起草、SQL 留证、人类审核。

AI 分析洞察2026年7月19日

先写 Plan 的目的，是在取数前对齐决策问题、分母、粒度、时间窗与验证方式；Execute 则把正式执行变成清楚的人类授权边界，避免模糊假设先被跑成数字。

AI 分析洞察2026年7月19日

可重现的 AI 分析必须保留输入资料、时间版本、转换 SQL、依赖、执行纪录与限制，让他人能用同一条证据链重跑、核对关键数字并解释新旧结果差异。

AI 分析洞察2026年7月19日

AI 分析 Agent、聊天 BI 与传统 BI 解决的是不同阶段：快速问答、探索口径与稳定监控不应混为一谈；本文提供五维选型矩阵与三个实务分工场景。

AI 分析洞察2026年7月19日

Local-first 可减少资料搬运、直接查本机档案并保留可携工作成果，但不自动等于完全离线或零风险；本文说清实际收益、资料流检查与产品边界。