问题
移动端转化率 · 上周
Lantide Data 是什么？
Lantide Data 是让人与 Agent 共同完成分析的本地工作区。Agent 在其中查询数据、推进分析，并留下 Plan、Reference、SQL 证据与审阅记录；你则在关键节点确认、修正与交付。你与 Agent 在协作过程中，共同产出「分析经验」。
不只是保存聊天记录：Plan、决策、SQL 证据、审阅意见与 Report，会一起沉淀为一个分析项目。
你／分析团队
提问、审阅、确认与决策。
你选择的 Agent
对话、推理与工具调度。
Lantide Data
PlanReferenceStepsSQL 快照审阅Report
数据来源
CSV、Excel、Parquet、数据库
交付成果
Report、HTML、可接续的分析资产
- 你／分析团队: 对话、确认与迭代 — 你选择的 Agent
- 你选择的 Agent: 推进与取用分析 — Lantide Data
- Lantide Data: 查询与验证 — 数据来源
- 数据来源: 查询与验证 — Lantide Data
- 你选择的 Agent: 对话、确认与迭代 — 你／分析团队
- 你／分析团队: 审阅与确认 — Lantide Data
- Lantide Data: 生成并关联成果 — 交付成果
Agent 要具备哪些上下文，才能像你的团队一样分析？
数据上下文帮它找到数据，业务知识让它读懂口径，分析经验则告诉它：你的团队遇到这类问题，会先从哪里查。
AI Agent
Q
留存率为什么下降？
分析经验从哪里来
分析经验，是在做分析的过程中沉淀下来的。
左右两边做的是完全相同的分析，区别在于：进入下一步之后，上一步的工作还剩下什么。
相同分析提问
移动端转化率为什么下降？
没有 Lantide
聊天记录
较早的工作逐渐散落、淡去
还没有较早的工作
使用 Lantide
问题
移动端转化率 · 上周
Lantide 工作台 · 沉淀为成果
还没有较早的工作
1 / 9
提问
移动端转化率为什么下降？
先确认目标、周期与指标。讨论
访客下单要算进去吗？
为了和现有 KPI 一致，决定纳入。探索
iOS v8.2 之后，埋点变了。
标记可能的统计口径断点。规划
验证分母、各端漏斗与失败原因。
执行前，先让方法可以被审阅。整理
把 paid_success 映射为 paid。
记下旧版 schema 的处理决策。分析
执行漏斗、设备与失败原因查询。
保留 SQL、校验与中间结果。审阅
会不会只是埋点变了？
把埋点影响和真实行为拆开。修正
停止 Plan v1，重跑受影响的分支。
新的 Plan 记下方法为什么改变。交付
移动端结账分析
两边得出的结论一样好。最后留下了什么？
结果留下了，分析经验大多没有。
ReportSQL聊天记录人的记忆
整个过程，沉淀为可复用的上下文。
分析项目目标Plan口径Reference执行Steps / SQL 快照审阅Report
Lantide 记下分析一路是怎么演变的，而不只是最后的结论。
分析经验沉淀下来之后，有什么不同？
接手的是推理过程，不只是文件。
同事或下一个 Agent 能先看懂之前发生了什么，再接着做下去。
当时为什么排除 Android v7？
我只能猜……
v8 之前的 checkout_complete 数据不完整。已对照服务端支付记录验证
长分析如何保留上下文
让你的选择，决定什么值得留在上下文中。
聊天中的「上下文压缩」，是通用 Agent 的通用解法。但 Human + AI 协作分析天然存在审阅、执行、复查与迭代等节点。Lantide 与 Agent 在这些节点提取并保存上下文，用你的选择取代算法对「什么重要」的事后猜测，让长线分析的上下文管理更省、更稳，也更容易接续。
完全相同的分析
同一段对话，同时驱动两种 context 模型
确认指标和上周的分析周期。
没有 Lantide
+6k 加载Agent 当前 context 6kInput 6k · Output 1k
示意模型，并非正式 benchmark在当前 context 中保存为
一条聊天消息
使用 Lantide
+5k 加载Agent 当前 context 5kInput 5k · Output 2k
示意模型，并非正式 benchmark在聊天外保存为
分析目标
通用压缩事后从聊天里猜什么重要；Lantide 在工作发生时，就把你的选择保存下来。
通用压缩事后从聊天里猜什么重要；Lantide 在工作发生时，就把你的选择保存下来。
在 Lantide 中，这些上下文会沉淀为一份分析资产。
数据上下文来源 · Schema · Reference Docs
分析契约目标 · Plan · 粒度 · 指标 · 验证
执行证据SQL · 校验 · 结果 · Activity · 依赖
分析经验决策 · 修订 · 停止的 Plan · 审阅
交付成果Report · HTML · 下一轮分析
项目分析资产
可查证可接续可复用
Agent 可以换，分析师可以接手，资产一直都在。
产品实际内容
一份分析资产包含什么
Codex、Claude Code 和其他支持 MCP 的 Agent，都可以把 Lantide 当作本地的分析与审阅工作台：推理和编排交给你习惯的 Agent，Lantide 负责守住执行边界，并沉淀可复用的分析成果。
数据上下文
数据源、schema、Reference Docs，以及人与 Agent 共用、已确认的业务口径。
分析契约
Plan 写清楚问题、粒度、指标口径、JOIN 方式与验证要求。
执行证据
每个 Plan 都保存完整的本地执行快照，包含 SQL、中间校验、Activity、依赖关系与分析血缘。
可移植工作区
Workspace bundle 可携带完整项目，也能通过 snapshot-safe read 安全读取其他工作区的证据。
交付成果
Report 与 HTML 简报记下发现与局限；External Delivery 则保存 Lantide 外部交付位置的 pointer。
评估细节
工作方式对比
区别不在 Agent 能不能给出答案
而在答案给出之后，分析过程能不能被审阅、沉淀，并继续用下去。
主要工作单元
- 传统分析流程
- SQL、Notebook、报告与沟通记录
- 直接用 ChatGPT / Claude 分析
- 对话、临时文件与最终回答
- Lantide 分析工作台
- Plan、SQL 证据、Report 与 Activity 放在同一个项目
执行前审阅
- 传统分析流程
- 看团队流程，往往到 SQL 或结果才开始审
- 直接用 ChatGPT / Claude 分析
- 看提示词、文件与工具权限
- Lantide 分析工作台
- 先审阅、批注 Plan，再由人确认正式执行
结果背后的证据
- 传统分析流程
- 审阅人可能要从好几个工具拼凑过程
- 直接用 ChatGPT / Claude 分析
- 看这段对话留下了哪些文件和记录
- Lantide 分析工作台
- 已执行的 Plan、查询证据、校验与 Report 都在同一工作台
分析追溯
- 传统分析流程
- 依赖 Git、Notebook、BI 历史与文档习惯
- 直接用 ChatGPT / Claude 分析
- 过程可能散落在不同对话或项目文件
- Lantide 分析工作台
- 从 Report 回查正式证据，以及被停止或替换的 Plan
交接与复用
- 传统分析流程
- 取决于文档质量和原分析师的说明
- 直接用 ChatGPT / Claude 分析
- 取决于留下了多少上下文与文件
- Lantide 分析工作台
- 人与 Agent 都能跨对话重新读取项目成果与 Reference Docs
数据与执行边界
- 传统分析流程
- 取决于现有的分析工具
- 直接用 ChatGPT / Claude 分析
- 取决于 Agent 的运行环境与授权
- Lantide 分析工作台
- 可移植的 Workspace bundle 与 Plan 本地快照；跨工作区只允许 snapshot-safe read，不做 live query 或写入，且只有一个 writer
最适合
- 传统分析流程
- 高度定制、主要靠人判断的分析
- 直接用 ChatGPT / Claude 分析
- 快速探索、低风险的一次性问题
- Lantide 分析工作台
- 会被审阅、追问、重跑或交接的分析
这张表对比的是常见工作方式，不代表每个产品或团队都是如此。Lantide 提供审阅与追溯的检查点，但不保证 AI 分析一定正确。
01 / 工作方法
从一个问题开始，沉淀为可重跑的分析资产
先快速探索；值得留下的分析，再走 Plan → 审阅 → 执行 → Report，把过程和证据沉淀下来。
先快速探索；需要可审阅的 Plan → Report 流程时，再进入项目分析。
1
快速分析
探索数据、定位问题
2
项目分析
围绕一个项目深入分析
01
计划
写清楚分析计划：查什么、用哪些表、怎么验证
02
批注审阅
审阅意见直接批注在计划原文上，Agent 据此更新计划
03
执行
人工确认后 Agent 才开始执行，全程留下操作记录
04
报告与延伸分析
结论和证据写进报告，可导出 HTML 简报，也能接着开下一轮分析
适合用 Lantide 的场景
- 每周拿到新的 CSV 或 Excel 导出文件，要重跑同一份分析。
- 迁移 Workspace bundle，或安全读取另一个工作区已完成的快照。
- 采用结果之前，先审阅 AI 写的 SQL 与验证证据。
- 在 Plan 的完整本地执行快照旁，记录 External Delivery pointer。
其他工具可能更合适的场景
Lantide 不是用来替代 Excel 的表格排版、Power Query 自动化，或已经搭好的 BI 看板。External Delivery 只记录 pointer，Lantide 不会上传或验证交付内容。跨工作区访问不是 live query 或写入路径，且只允许一个 writer；要完整重现分析，仍需保留原始数据。本地优先也不代表模型请求一定完全离线：使用 AI 功能时，必要的上下文会发送到你自己设置的模型服务。