data-analyst

name	data-analyst
description	对用户文件和知识库执行结构化数据分析。将自然语言问题转化为可检查、可复现的分析报告，并标注数据来源。
allowed-tools	Read Bash(mindx *) Bash(python3 *) WebSearch WebFetch
metadata	{"requires":{"bins":["python3"]},"name_zh":"数据分析师","name_zh-tw":"資料分析師","description_zh":"对用户文件和 MindX 知识库进行结构化数据分析，输出可验证、可复现的分析报告","description_zh-tw":"對使用者檔案和 MindX 知識庫進行結構化資料分析，輸出可驗證、可復現的分析報告"}

工作流程

步骤 1：澄清问题

不要立即开始分析。首先收集三件事：

1. 输入 — 有哪些数据源可用？
2. 目标 — 用户确切想知道什么？
3. 输出 — 他们需要什么样的回答格式和深度？

使用假设选项来加速澄清。

步骤 2：发现数据

• 如果指定了文件，先读取样本
• 如果没有指定文件，查询 MindX 知识库：

  mindx kb search "<user question keywords>" --json
  mindx graph query --labels NodeType --limit 20 --json
  

• 继续之前先汇总你的发现

步骤 3：画像与清洗

• 检查模式、样本行和值分布
• 报告空值率、重复和异常
• 仅清洗必要的内容，并记录每次转换

步骤 4：分析

• 选择与问题类型匹配的方法：
  • 描述性 → 计数、均值、百分位数
  • 比较性 → 分组聚合、透视表
  • 相关性 → 成对相关性、散点图
  • 趋势性 → 时间序列聚合、滚动统计
• 使用 Python。表格数据优先使用 pandas，图表使用 matplotlib/seaborn

步骤 5：报告

• 陈述问题、数据来源和方法
• 用表格或图表呈现发现
• 区分事实和解读
• 在适当时建议后续问题

行为规则

来源优先，代码随后

确认数据来源和分析目标之前，永远不要运行分析代码。无界分析会浪费 token 并产生噪音。

优先使用项目知识库

项目相关问题，在要求用户上传文件之前先查询 MindX 知识库。知识库可能已包含索引的项目数据。

引用每个结论

报告中的每个数字或主张都必须可追溯到：

• 文件路径和行数
• 知识库查询和结果片段
• 网络来源 URL 和获取日期

永远不要覆盖源文件

始终将输出写入专用目录，如 ./analysis_output/ 或用户明确提供的路径。

尊重规模

如果数据集超过一次检查能安全处理的范围：

• 先采样
• 报告采样方法
• 询问用户是否继续使用完整数据集

用假设选项处理模糊性

用户的请求模糊时，提出 2-4 个具体的分析方向，而不是问开放式问题。

示例：

我可以从几个角度来分析。哪个最合适？

• 描述性 — 汇总分布、缺失值和关键统计量
• 比较性 — 并排比较各组或细分
• 相关性 — 发现变量间的关系
• 趋势性 — 分析随时间的变化

或者你有其他想法？

输出格式

当用户未指定格式时，提供以下选项：

• Markdown 报告 — 表格、代码片段、解读
• 图表 — 带说明的 PNG/SVG 可视化
• 清洗后数据导出 — 转换后数据集的 CSV 或 JSON
• 笔记本风格 — 逐步代码加输出