1 00:00:00,000 --> 00:00:28,200 好,那么之前我们是了解了关于deep seek模型的Responsees API和Codex怎么样来进行接入。现在其实对于咱们的开发者的学习来说,前期肯定是要有一个基础的学习的这样的过程。当然其实我会觉得可能更长的学习的周期应该放在围绕一个又一个项目来进行开发试错,不断的来提取经验,然后最后优化完成一个系统开发的整个完整的链路。 2 00:00:28,200 --> 00:00:32,100 那么大家现在看到的DS4-AI数据分析系统 3 00:00:32,100 --> 00:00:37,600 实际上就是接下来带大家来手动一步一步来完成搭建的这样的开发的项目 4 00:00:37,600 --> 00:00:43,620 当然我们这里同样是使用Deepseek V4 Flash搭配着Codex来完成一个系列完整的开发 5 00:00:43,620 --> 00:00:48,420 实际上大家需要知道尽管现在Deepseek我们使用的是Flash这样的小号模型 6 00:00:48,420 --> 00:00:52,080 但是其实它的性能并不比今年上半年或者今年年初 7 00:00:52,080 --> 00:00:57,820 对不对当时Codex当时Opera 4.5这样的那样的一个模型的性能差甚至要强很多 8 00:00:57,820 --> 00:00:59,640 所以其实对这样的性能来说 9 00:00:59,640 --> 00:01:00,720 尽管它是小号 10 00:01:00,720 --> 00:01:02,300 但是对于很多开发任务来说 11 00:01:02,300 --> 00:01:03,920 其实绝对可以来进行使用的 12 00:01:03,920 --> 00:01:05,960 并且它本身的响应速度也很快 13 00:01:05,960 --> 00:01:06,360 对吧 14 00:01:06,360 --> 00:01:09,700 再加上现在和整个Codex的兼容特性也非常稳定 15 00:01:09,700 --> 00:01:11,760 那么我们刚才其实是围绕着 16 00:01:11,760 --> 00:01:15,140 我们的part3的课件重新进行一轮修正 17 00:01:15,140 --> 00:01:17,300 然后我们刚刚讲Codex好多功能 18 00:01:17,300 --> 00:01:19,380 什么States 19 00:01:19,380 --> 00:01:20,240 什么Innet 20 00:01:20,240 --> 00:01:21,360 什么项目结构 21 00:01:21,360 --> 00:01:22,160 Agents 22 00:01:22,160 --> 00:01:23,940 各式各样的这些东西 23 00:01:23,940 --> 00:01:25,260 应该怎么样进行编写 24 00:01:25,260 --> 00:01:26,940 包括它的Sandbox 25 00:01:26,940 --> 00:01:28,400 怎么样来进行开启 26 00:01:28,400 --> 00:01:28,760 对不对 27 00:01:28,760 --> 00:01:30,540 他的subagents怎么样进行开启等等 28 00:01:30,540 --> 00:01:32,900 我们之前课程里面的截图被吞了 29 00:01:32,900 --> 00:01:33,780 导致大家可能没有看到 30 00:01:33,780 --> 00:01:34,500 没关系 31 00:01:34,500 --> 00:01:35,680 大家现在可以再去看一看 32 00:01:35,680 --> 00:01:37,720 我们的part3里面的这些截图 33 00:01:37,720 --> 00:01:39,860 再回顾一下codex的整体这样的功能 34 00:01:39,860 --> 00:01:40,560 那么接下来 35 00:01:40,560 --> 00:01:42,020 在整个实操过程当中 36 00:01:42,020 --> 00:01:44,460 也会有一个更加快速的 37 00:01:44,460 --> 00:01:46,080 上手的这样的一个效果 38 00:01:46,080 --> 00:01:48,320 当然我们在所有的开发过程当中 39 00:01:48,320 --> 00:01:50,340 我们首先需要跟大家先梳理清楚的是 40 00:01:50,340 --> 00:01:51,100 整个开发思路 41 00:01:51,100 --> 00:01:53,380 和需要用到的codex相关的功能 42 00:01:53,380 --> 00:01:55,340 以及围绕我们当前这个系统 43 00:01:55,340 --> 00:01:56,720 我们怎么样来进行技术选行 44 00:01:56,720 --> 00:01:59,760 我们公开课其实每一期公开课都是这个时间有限 45 00:01:59,760 --> 00:02:01,400 可能我们只能够讲完到这一层 46 00:02:01,400 --> 00:02:04,880 至于说最后通过总共是40多轮这样的提示 47 00:02:04,880 --> 00:02:08,380 就完成一整个系统开发的每一轮的提示词 48 00:02:08,380 --> 00:02:10,720 和每一轮的系统的快照还是一样的 49 00:02:10,720 --> 00:02:11,700 我们会放在课件里面 50 00:02:11,700 --> 00:02:13,040 大家回头可以自己拿到再去看 51 00:02:13,040 --> 00:02:15,760 然后我们的公开课的有限的最后一个小时 52 00:02:15,760 --> 00:02:17,620 这个时间会跟大家梳理清楚 53 00:02:17,620 --> 00:02:20,180 关于整个项目在进行开发的过程当中 54 00:02:20,180 --> 00:02:23,500 它的底层的思路和技术选行到底是什么样 55 00:02:23,500 --> 00:02:25,120 我们之前K3的课其实也是 56 00:02:25,120 --> 00:02:26,340 进展到这一块的时候 57 00:02:26,340 --> 00:02:27,200 时间稍微一点紧 58 00:02:27,200 --> 00:02:27,660 好 59 00:02:27,660 --> 00:02:29,640 那么首先我们在对照的这个项目 60 00:02:29,640 --> 00:02:30,300 跟大家来说 61 00:02:30,300 --> 00:02:31,800 到底有哪一些这样的功能 62 00:02:31,800 --> 00:02:35,080 当然其实从整个AI技术兴起开始 63 00:02:35,080 --> 00:02:37,120 就是关于使用AI来进行数据分析 64 00:02:37,120 --> 00:02:39,120 其实是一块非常大的功能 65 00:02:39,120 --> 00:02:40,720 非常大的一块业务的需求 66 00:02:40,720 --> 00:02:42,280 包括我们现在课程里面 67 00:02:42,280 --> 00:02:44,120 总共有四项旗舰项目里边 68 00:02:44,120 --> 00:02:46,120 而且有一个项目也是工业级的 69 00:02:46,120 --> 00:02:47,900 非常复杂创技家的AI数据分析 70 00:02:47,900 --> 00:02:49,440 那么围绕这个数据分析 71 00:02:49,440 --> 00:02:52,720 其实它内部有很多的一些技术体系 72 00:02:52,720 --> 00:02:54,040 包括像NL2色刻画 73 00:02:54,040 --> 00:02:55,260 包括像这个现在 74 00:02:55,260 --> 00:02:56,300 还有全自动的 75 00:02:56,300 --> 00:02:58,000 这个AI来进行机器学习建模 76 00:02:58,000 --> 00:02:58,560 等等等等 77 00:02:58,560 --> 00:02:59,560 各个细分的 78 00:02:59,560 --> 00:03:00,720 这样的这个技术体系 79 00:03:00,720 --> 00:03:01,520 当然之所以 80 00:03:01,520 --> 00:03:03,440 AI能够很好的来进行数据分析 81 00:03:03,440 --> 00:03:04,120 这样的操作 82 00:03:04,120 --> 00:03:04,940 其实也是因为 83 00:03:04,940 --> 00:03:06,720 这个对大模型来说 84 00:03:06,720 --> 00:03:07,640 这个内容创作 85 00:03:07,640 --> 00:03:08,540 或许不得行 86 00:03:08,540 --> 00:03:09,580 然后呢 87 00:03:09,580 --> 00:03:10,900 这个最开始的时候 88 00:03:10,900 --> 00:03:12,220 非常复杂大规模 89 00:03:12,220 --> 00:03:12,840 几万行 90 00:03:12,840 --> 00:03:14,200 十几万行代码的项目开发 91 00:03:14,200 --> 00:03:15,040 或许有点困难 92 00:03:15,040 --> 00:03:16,580 但是像AI数据分析 93 00:03:16,580 --> 00:03:16,880 对不对 94 00:03:16,880 --> 00:03:18,580 从这数据里面找规律下判断 95 00:03:18,580 --> 00:03:19,120 然后呢 96 00:03:19,120 --> 00:03:20,080 写一些这个circle 97 00:03:20,080 --> 00:03:21,580 来去完成一些高精准的 98 00:03:21,580 --> 00:03:24,700 这个数据清洗或者数据建模相关的这个操作 99 00:03:24,700 --> 00:03:28,960 这个对于AI来说实际上是非常好就能够实现的 100 00:03:28,960 --> 00:03:32,000 所以现在如果你看所有的一些领域的落地的 101 00:03:32,000 --> 00:03:33,440 各项其实落地的这个情况来看 102 00:03:33,440 --> 00:03:37,180 像AI数据分析这个领域的这个落地应该是非常深刻 103 00:03:37,180 --> 00:03:37,820 非常彻底 104 00:03:37,820 --> 00:03:40,880 并且是很早就能取得非常显著这样的成效了 105 00:03:40,880 --> 00:03:43,620 所以现在我们在进行一些项目 106 00:03:43,620 --> 00:03:44,780 拿了一些项目来进行开发 107 00:03:44,780 --> 00:03:45,660 大家想去练手 108 00:03:45,660 --> 00:03:48,360 尤其是咱们接下来如果邱昭想去找工作的话 109 00:03:48,360 --> 00:03:51,060 那么其实做几个AI数据分析这样的项目 110 00:03:51,060 --> 00:03:54,320 是能够很能够是能够获得一些成果的 111 00:03:54,320 --> 00:03:56,240 那么接下来我们给大家介绍的 112 00:03:56,240 --> 00:03:58,300 这个DS4-AI数据分析系统 113 00:03:58,300 --> 00:03:59,420 实际上就是现在 114 00:03:59,420 --> 00:04:02,180 就现在这个阶段适配于2026下半年 115 00:04:02,180 --> 00:04:04,620 比较适合去做一个 116 00:04:04,620 --> 00:04:07,620 大家如果想要去做一些简历项目的一个功能 117 00:04:07,620 --> 00:04:08,340 非常齐全 118 00:04:08,340 --> 00:04:11,400 并且性能也还非常不错的一个完整的AI数据分析系统 119 00:04:11,400 --> 00:04:12,820 那么这个数据分析系统 120 00:04:12,820 --> 00:04:14,340 我们先看它到底有哪些功能 121 00:04:14,340 --> 00:04:16,740 首先对于整个数据分析系统来说 122 00:04:16,740 --> 00:04:18,220 它必须得有一个漂亮的页面 123 00:04:18,220 --> 00:04:22,380 这个不是必要的 但是如果有的话当然更好 对不对 124 00:04:22,380 --> 00:04:26,060 有一个比较好的webdesign的效果肯定会更好 125 00:04:26,060 --> 00:04:29,420 当然我们webdesign是怎么做的 我们稍后再跟大家说 这先不着急 126 00:04:29,420 --> 00:04:32,140 然后首先我们肯定是要有一个 127 00:04:32,140 --> 00:04:36,260 稍等 我们给它切换成浅色的 128 00:04:36,260 --> 00:04:44,340 因为浅色的话 我会觉得可能更容易看得出效果一些 129 00:04:44,340 --> 00:04:48,300 好 那么首先第一块是需要有一个数据资产的管理的系统 130 00:04:48,300 --> 00:04:49,680 所谓数据资产管理系统指的是 131 00:04:49,680 --> 00:04:52,280 我们需要有一个完整的工程模块 132 00:04:52,280 --> 00:04:53,980 去负责去给当前的AI数据分析 133 00:04:53,980 --> 00:04:56,500 去介入各个不同的渠道这样的数据 134 00:04:56,500 --> 00:04:58,920 包括你本地的 Excel CSV这个数据 135 00:04:58,920 --> 00:05:01,160 包括你数据户里面的一些数据 136 00:05:01,160 --> 00:05:02,060 MySQL的数据 137 00:05:02,060 --> 00:05:02,940 SQLite的数据 138 00:05:02,940 --> 00:05:05,020 甚至是一些分布数的数据户里面等等 139 00:05:05,020 --> 00:05:08,400 总之你需要维护一整个数据资产也好 140 00:05:08,400 --> 00:05:09,440 或者数据中台也好 141 00:05:09,440 --> 00:05:11,520 负责去介入各式各样不同类型的数据 142 00:05:11,520 --> 00:05:12,960 当然这一块开发 143 00:05:12,960 --> 00:05:14,640 其实是整个项目里面来说 144 00:05:14,640 --> 00:05:15,920 应该是非常简单的一块功能 145 00:05:15,920 --> 00:05:18,640 因为无非就是去验证各个不同渠道的 146 00:05:18,640 --> 00:05:22,140 验证各个不同渠道的这样的一些数据的情况 147 00:05:22,140 --> 00:05:24,660 然后再来进行一个开发 148 00:05:24,660 --> 00:05:26,740 然后我们现在我们看一下 149 00:05:26,740 --> 00:05:29,120 因为我现在是连接的是远程的服务 150 00:05:29,120 --> 00:05:30,980 所以MySQL是起动不了的 151 00:05:30,980 --> 00:05:31,880 因为我本地没做MySQL 152 00:05:31,880 --> 00:05:33,700 但其他的数据是能看到的 153 00:05:33,700 --> 00:05:33,980 对不对 154 00:05:33,980 --> 00:05:36,340 就很多很多各式各样数据 155 00:05:36,340 --> 00:05:38,980 你可以去查询各个不同类型的字段 156 00:05:38,980 --> 00:05:39,300 对吧 157 00:05:39,300 --> 00:05:40,820 它各个不同类型的曲子等等等等 158 00:05:40,820 --> 00:05:43,180 那首先呢我们其实是在需要为整个系统呢 159 00:05:43,180 --> 00:05:46,660 需要去维护一个完整的数据的中台这样的功能啊 160 00:05:46,660 --> 00:05:48,520 或者是数据存储这样的功能啊 161 00:05:48,520 --> 00:05:49,960 当然对于一些企业的应用场景来说 162 00:05:49,960 --> 00:05:50,880 它可能还会涉及到一些 163 00:05:50,880 --> 00:05:52,700 比如说数据的这样的一个权限啊 164 00:05:52,700 --> 00:05:54,460 查询的这样的权限等等等等 165 00:05:54,460 --> 00:05:56,360 当然这个数据资产的管理啊 166 00:05:56,360 --> 00:05:58,500 一方面你是需要去设置一些 167 00:05:58,500 --> 00:05:59,780 比如说远程的麦斯克连接 168 00:05:59,780 --> 00:06:01,540 或者你自己本地导入一些这个数据 169 00:06:01,540 --> 00:06:02,900 然后同时它还会涉及到一些 170 00:06:02,900 --> 00:06:04,960 比如说我们在实际在进行数据分析的时候 171 00:06:04,960 --> 00:06:06,920 中间啊状态我们提取 172 00:06:06,920 --> 00:06:08,480 或者说临时存储的一些数据 173 00:06:08,480 --> 00:06:10,160 或者说一些数据结论等等等等 174 00:06:10,160 --> 00:06:12,440 统一都是从一个功能入口 175 00:06:12,440 --> 00:06:13,980 来进行一个统一的这样的维护 176 00:06:13,980 --> 00:06:15,660 这里能看到什么数据资产 177 00:06:15,660 --> 00:06:16,920 服务项目 178 00:06:16,920 --> 00:06:18,060 多少行数据 179 00:06:18,060 --> 00:06:20,020 本地的数据的规模等等 180 00:06:20,020 --> 00:06:22,080 这个数据其实还是一个比较大的 181 00:06:22,080 --> 00:06:23,480 一个数规模的数据 182 00:06:23,480 --> 00:06:24,860 毕竟有300多万行的数据 183 00:06:24,860 --> 00:06:25,100 对吧 184 00:06:25,100 --> 00:06:26,820 还是一个比较大的数据 185 00:06:26,820 --> 00:06:27,920 然后这个数据 186 00:06:27,920 --> 00:06:29,160 我们在课程里面 187 00:06:29,160 --> 00:06:30,380 因为是为了做这个项目 188 00:06:30,380 --> 00:06:31,140 来进行一个测试 189 00:06:31,140 --> 00:06:32,500 所以它是分布在 190 00:06:32,500 --> 00:06:33,320 什么MySQL 191 00:06:33,320 --> 00:06:34,260 CircleLite 192 00:06:34,260 --> 00:06:34,900 Excel 193 00:06:34,900 --> 00:06:35,420 CSV 194 00:06:35,420 --> 00:06:37,220 这个四种不同类型的这个数据库里面 195 00:06:37,220 --> 00:06:38,980 四种不同类型的数据载体里面 196 00:06:38,980 --> 00:06:40,400 所以我们可以去给它打散 197 00:06:40,400 --> 00:06:42,820 那么我们课程里面设计的这四个数据载体 198 00:06:42,820 --> 00:06:44,620 应该是非常通用的这四个数据载体 199 00:06:44,620 --> 00:06:45,200 除此之外呢 200 00:06:45,200 --> 00:06:48,700 你还可以去考虑拓展连接更加复杂的一些数据员 201 00:06:48,700 --> 00:06:49,520 也是都是ok的 202 00:06:49,520 --> 00:06:50,140 这是第一个 203 00:06:50,140 --> 00:06:51,080 那么第二个呢 204 00:06:51,080 --> 00:06:53,460 是对于现在的这个数据分析系统来说 205 00:06:53,460 --> 00:06:55,640 你或多或少总得给它整一些 206 00:06:55,640 --> 00:06:56,760 这个技能系统 207 00:06:56,760 --> 00:06:57,380 对不对 208 00:06:57,380 --> 00:06:58,920 那么什么叫做这个数据分析 209 00:06:58,920 --> 00:06:59,880 这个技能系统 210 00:06:59,880 --> 00:07:01,960 我们给大家看一下我们实际对话的过程当中 211 00:07:01,960 --> 00:07:05,840 那么我们实际上在进行具体的对话的时候 212 00:07:05,840 --> 00:07:07,660 那你需要来进行数据分析 213 00:07:07,660 --> 00:07:07,940 对吧 214 00:07:07,940 --> 00:07:11,220 那有很多很多需要来进行分析的 215 00:07:11,220 --> 00:07:15,760 需要来进行分析的一些事项 216 00:07:15,760 --> 00:07:19,100 那么有的时候你可能会偏好某一些分析的流程 217 00:07:19,100 --> 00:07:21,860 分析偏好某一些可视化这样的方式 218 00:07:21,860 --> 00:07:24,340 或者你本来你们公司来进行数据欣喜 219 00:07:24,340 --> 00:07:26,840 或者提取特定的这业务指标 220 00:07:26,840 --> 00:07:28,900 可能就有具体的一些领域这样的知识 221 00:07:28,900 --> 00:07:29,220 对不对 222 00:07:29,220 --> 00:07:30,240 那这些东西的话 223 00:07:30,240 --> 00:07:32,240 怎么样灌输给当前的数据分析系统 224 00:07:32,240 --> 00:07:33,960 其实我们可能考虑的 225 00:07:33,960 --> 00:07:35,960 就通过SGU这样的方式来去告诉 226 00:07:35,960 --> 00:07:37,400 我们当前的数据分析系统 227 00:07:37,400 --> 00:07:39,060 我们在不同环节的时候 228 00:07:39,060 --> 00:07:40,700 到底需要做哪一些事情 229 00:07:40,700 --> 00:07:41,080 对不对 230 00:07:41,080 --> 00:07:41,960 可视化的时候 231 00:07:41,960 --> 00:07:45,880 往往都是采用什么样的图片 232 00:07:45,880 --> 00:07:47,340 来进行绘制 233 00:07:47,340 --> 00:07:48,000 对不对 234 00:07:48,000 --> 00:07:50,060 然后还可以选择 235 00:07:50,060 --> 00:07:51,720 其他的什么柄图 236 00:07:51,720 --> 00:07:55,140 热力图等等 237 00:07:55,140 --> 00:07:58,160 各样的图片来进行呈现 238 00:07:58,160 --> 00:07:59,220 那么总之就是 239 00:07:59,220 --> 00:07:59,920 我们其实 240 00:08:00,000 --> 00:08:06,000 那么总之我们其实很多时候在先分析的时候都会涉及到非常具体领域里面的特殊的判断。这些东西都可以通过Skill来进行完成。 241 00:08:06,000 --> 00:08:11,500 更别谈比如说我们后期还需要来围绕数据报告,需要去生成对应的数据报告。 242 00:08:11,500 --> 00:08:12,780 那么生成数据报告的时候 243 00:08:12,780 --> 00:08:15,540 更是你数据报告里面需要有哪些分析的维度 244 00:08:15,540 --> 00:08:15,840 对不对 245 00:08:15,840 --> 00:08:19,000 它需要有哪一些特定的这样的指标的统计 246 00:08:19,000 --> 00:08:21,600 然后如何去解读一些我们本身数据分析的过程当中 247 00:08:21,600 --> 00:08:22,760 可能涉及到行业的黑化 248 00:08:22,760 --> 00:08:24,660 那这东西其实都属于一个分析统里面 249 00:08:24,660 --> 00:08:26,600 它必须要去具备一些这样的功能 250 00:08:26,600 --> 00:08:29,960 那这东西当然都是通过这一系列的Skill来去完成 251 00:08:29,960 --> 00:08:32,460 所以我们这里其实是预制了很多的 252 00:08:32,460 --> 00:08:33,380 也没有很多 253 00:08:33,380 --> 00:08:35,840 就总共是内置了4个Skill 254 00:08:35,840 --> 00:08:37,620 因为都是用Codex进行开发 255 00:08:37,620 --> 00:08:39,540 所以我们这里是设置一些场景 256 00:08:39,540 --> 00:08:41,980 然后是设置了4个不同类型的Skill 257 00:08:41,980 --> 00:08:44,800 那么它包括比如说生成一些数据摘要 258 00:08:44,800 --> 00:08:47,700 包括数据的检查 259 00:08:47,700 --> 00:08:49,860 包括去检查一些异常值 260 00:08:49,860 --> 00:08:51,700 包括老外进行数据分析报告等等 261 00:08:51,700 --> 00:08:54,980 但实际上我们说在一个数据分析的完整流程里面 262 00:08:54,980 --> 00:08:57,020 像实际在进行业务的过程当中 263 00:08:57,020 --> 00:09:00,240 它需要涉及到的阶段其实非常非常多 264 00:09:00,240 --> 00:09:03,160 可能会有比如说前期的像数据清洗 265 00:09:03,160 --> 00:09:03,880 对不对 266 00:09:03,880 --> 00:09:06,260 包括再往前比如说可能要进行数据探索 267 00:09:06,260 --> 00:09:08,880 然后很有可能还需要来进行一些 268 00:09:08,880 --> 00:09:10,620 数据指标的这样的计算 269 00:09:10,620 --> 00:09:12,680 需要来进行一些可视化的分析 270 00:09:12,680 --> 00:09:14,700 然后到后期建模的时候 271 00:09:14,700 --> 00:09:15,680 可能还会涉及到一些 272 00:09:15,680 --> 00:09:18,480 比如说特征的增强 273 00:09:18,480 --> 00:09:20,400 或者特征工程的一些操作 274 00:09:20,400 --> 00:09:21,840 或者模型融合的一些操作 275 00:09:21,840 --> 00:09:23,880 然后在实际机器建模的过程当中 276 00:09:23,880 --> 00:09:25,980 还会涉及到一些比较复杂的 277 00:09:25,980 --> 00:09:28,940 一些机器学习的算法 278 00:09:28,940 --> 00:09:29,540 对不对 279 00:09:29,540 --> 00:09:31,020 一些集成算法来进行 280 00:09:31,020 --> 00:09:32,720 更加复杂的机器学习的建模 281 00:09:32,720 --> 00:09:35,000 甚至后期可能还需要模型融合相关的操作 282 00:09:35,000 --> 00:09:38,680 因为其实我早年刚大学毕业的时候实际上就是做数据分析 283 00:09:38,680 --> 00:09:40,180 是做大数据相关的工作 284 00:09:40,180 --> 00:09:42,420 所以这一整个流程其实非常长 285 00:09:42,420 --> 00:09:45,700 其实所有流程里面其实都可以固化一些skills 286 00:09:45,700 --> 00:09:46,840 对不对换当线系统里面 287 00:09:46,840 --> 00:09:50,260 然后在我们接下来分析的每一个流程的每一个环节里面 288 00:09:50,260 --> 00:09:52,720 我们就可以自由的来进行一个切换 289 00:09:52,720 --> 00:09:53,680 和来进行个选取了 290 00:09:53,680 --> 00:09:54,480 那么除此之外 291 00:09:54,480 --> 00:09:57,480 我们这里可能还有一些系统方面的一些设置 292 00:09:57,480 --> 00:10:01,100 对于一个像我们刚才这样的一些基本功能的agent来说 293 00:10:01,100 --> 00:10:03,860 你可能需要有比如说设置的模型的apir 294 00:10:03,860 --> 00:10:05,140 设置这个沙盒环境啊 295 00:10:05,140 --> 00:10:08,200 这个沙盒环境主要是给我们的python代码的进行运行的时候 296 00:10:08,200 --> 00:10:09,460 单独创建的一个 297 00:10:09,460 --> 00:10:12,340 本地的一个这个沙盒环境 298 00:10:12,340 --> 00:10:13,860 那么这个沙盒环境其实主要是 299 00:10:13,860 --> 00:10:15,900 为了去隔离你当前运行的程序 300 00:10:15,900 --> 00:10:18,100 可能会对原始的数据造成一些不好的这个影响 301 00:10:18,100 --> 00:10:19,520 在说建在这个沙盒环境 302 00:10:19,520 --> 00:10:21,900 那比如说还有什么连接本地的这个MySQL 303 00:10:21,900 --> 00:10:22,460 对不对啊 304 00:10:22,460 --> 00:10:25,220 你这里肯定还是需要去围绕这个本地的这个MySQL 305 00:10:25,220 --> 00:10:27,320 来进行个连接来进行验证等等等等 306 00:10:27,320 --> 00:10:28,460 这都是需要的 307 00:10:28,460 --> 00:10:30,140 然后还有一些这个数据安全 308 00:10:30,140 --> 00:10:31,160 这个安全措施呢 309 00:10:31,160 --> 00:10:33,320 其实是我们可以自己来进行一些设置的 310 00:10:33,320 --> 00:10:34,800 比如说我们数据库只读 311 00:10:34,800 --> 00:10:36,760 这个权限当然你可以自己放宽了 312 00:10:36,760 --> 00:10:38,800 然后什么最小上下文的披露 313 00:10:38,800 --> 00:10:40,400 什么CPU脚本沙盒 314 00:10:40,400 --> 00:10:42,160 这些东西是你可以来进行设置的 315 00:10:42,160 --> 00:10:45,760 然后同时还有关于当前整个的数据集的一个概览 316 00:10:45,760 --> 00:10:47,580 以及还有些界面外观 317 00:10:47,580 --> 00:10:50,940 界面外观其实你就可以任意来进行选取了 318 00:10:50,940 --> 00:10:54,140 我们这里其实内置了很多不同类型的页面的外观 319 00:10:54,140 --> 00:10:54,880 这个页面外观 320 00:10:54,880 --> 00:10:56,380 其实你可以随便 321 00:10:56,380 --> 00:10:58,360 你可以自己 322 00:10:58,360 --> 00:11:00,200 我们用一些webdesign这个方式 323 00:11:00,200 --> 00:11:01,340 来进行设计啊 324 00:11:01,340 --> 00:11:02,660 这个其实完全没有什么问题的 325 00:11:02,660 --> 00:11:04,560 那实际我们在进行使用的时候 326 00:11:04,560 --> 00:11:06,060 这个项目到底有哪一些功能呢 327 00:11:06,060 --> 00:11:06,980 这大家可以看到好 328 00:11:06,980 --> 00:11:07,760 到底有哪些功能啊 329 00:11:07,760 --> 00:11:08,360 当然我们这里 330 00:11:08,360 --> 00:11:10,560 对于整个的系统架构来说 331 00:11:10,560 --> 00:11:12,540 现在当代的这个AI数据分析的 332 00:11:12,540 --> 00:11:14,200 这样的一个体系的这个设置啊 333 00:11:14,200 --> 00:11:16,060 都是我们刚刚所看到什么数据资产啊 334 00:11:16,060 --> 00:11:17,120 这个Skills中心啊 335 00:11:17,120 --> 00:11:18,340 这种写其他是一套 336 00:11:18,340 --> 00:11:20,300 跨越项目的维护的一个 337 00:11:20,300 --> 00:11:22,220 综合的这样的一个这个设置 338 00:11:22,220 --> 00:11:23,700 而我们接下来每一次对话 339 00:11:23,700 --> 00:11:25,720 相当于是开启了一个新的数据分析项目 340 00:11:25,720 --> 00:11:26,320 是这么一回事 341 00:11:26,320 --> 00:11:28,320 比如说我们这一项面点新建数据分析 342 00:11:28,320 --> 00:11:32,740 那么它马上我们就相当于是获得了一个全新的数据分析这样的空间 343 00:11:32,740 --> 00:11:34,400 然后你加拿就可以连接数据源 344 00:11:34,400 --> 00:11:36,540 你可以自己去选取一些数据源 345 00:11:36,540 --> 00:11:39,520 你也可以去读取MySQL里面的数据源 346 00:11:39,520 --> 00:11:40,680 也都是OK的 347 00:11:40,680 --> 00:11:43,400 这里面其实你可以去选择连接各式各样的数据源 348 00:11:43,400 --> 00:11:45,440 然后接下来我们就可以开始进行对话了 349 00:11:45,440 --> 00:11:50,480 当然上面你可以去选择一些项目的数据 350 00:11:50,480 --> 00:11:52,900 然后同时你也可以选择一些分析的工具 351 00:11:52,900 --> 00:11:55,220 这些分析工具其实指的是一些分析的skill 352 00:11:55,220 --> 00:11:59,020 然后接下来我们说你就可以开始来进行对话了 353 00:11:59,020 --> 00:12:00,960 是这么样的一个情况 354 00:12:00,960 --> 00:12:04,480 那我们上面其实有一组完成的一组比较复杂的对话 355 00:12:04,480 --> 00:12:06,440 大家可以看直接对话这样的效果 356 00:12:06,440 --> 00:12:09,860 那么每一个对话就是一个单独的我们分配了这个数据 357 00:12:09,860 --> 00:12:15,240 分配了这个sql来进行运行的一个完整的agent运行时这样的一个项目 358 00:12:15,240 --> 00:12:15,540 对不对 359 00:12:15,540 --> 00:12:19,460 然后当然我们这个项目底层是使用deep seek 360 00:12:19,460 --> 00:12:23,700 这个模型deep seek flash这个模型来进行的底层的响应 361 00:12:23,700 --> 00:12:27,320 然后同时我们底层的架构是使用Deep Agents 362 00:12:27,320 --> 00:12:31,960 就LongChainDeep Agents来进行的底层的这样的一个agent运行时的这样的搭建 363 00:12:31,960 --> 00:12:33,260 包括工具调用 364 00:12:33,260 --> 00:12:35,860 包括一些系统设置 365 00:12:35,860 --> 00:12:37,060 包括Skew加载 366 00:12:37,060 --> 00:12:38,120 包括跨线程记忆 367 00:12:38,120 --> 00:12:38,800 包括持有机 368 00:12:38,800 --> 00:12:43,660 都是通过Deep Agents来完成的开发 369 00:12:43,660 --> 00:12:45,580 那么具体我们说它里面有哪些功能 370 00:12:45,580 --> 00:12:47,380 大家可以看一下它是怎么样进行对话的 371 00:12:47,380 --> 00:12:48,880 这里先随便说两句 372 00:12:48,880 --> 00:12:51,480 然后接下来就开始确认我们当前这个数据资产 373 00:12:51,480 --> 00:12:53,840 那么它实际上是一个 374 00:12:53,840 --> 00:12:56,880 Agentic数据分析这样的流程 375 00:12:56,880 --> 00:13:00,640 也就是说它是会根据当前用户这样的需求去判断 376 00:13:00,640 --> 00:13:05,100 我们现在是不是需要从我们当前的数据资产里面去盘点某些数据 377 00:13:05,100 --> 00:13:06,680 然后再来进行回复 378 00:13:06,680 --> 00:13:07,960 是这么样的一个情况 379 00:13:07,960 --> 00:13:12,820 那我们先让它这里面就找了一些分析的思路 380 00:13:12,820 --> 00:13:16,820 什么旅约体验 381 00:13:16,820 --> 00:13:18,100 什么客户口碑 382 00:13:18,100 --> 00:13:20,240 交叉归因和建议等等 383 00:13:20,240 --> 00:13:23,200 就是说我们现在分析思路行不行 384 00:13:23,200 --> 00:13:24,320 我们让他进行分析 385 00:13:24,320 --> 00:13:25,260 他给我们提了一个分析思路 386 00:13:25,260 --> 00:13:27,740 然后分析前去我们拍板的三件事情 387 00:13:27,740 --> 00:13:29,600 然后接下来OK我们就跟他说 388 00:13:29,600 --> 00:13:30,920 他就可以开始来进行分析了 389 00:13:30,920 --> 00:13:32,500 然后具体分析的过程当中 390 00:13:32,500 --> 00:13:35,180 其实他也会他会进行一些 391 00:13:35,180 --> 00:13:36,760 比如说字段的提取对不对 392 00:13:36,760 --> 00:13:38,840 各式各样的字段的提取 393 00:13:38,840 --> 00:13:40,960 但有些简单的字段你可以看 394 00:13:40,960 --> 00:13:44,000 直接看比如他去找一些核心的指标 395 00:13:44,000 --> 00:13:44,300 对不对 396 00:13:44,300 --> 00:13:46,960 定单最多的这样的商品等等 397 00:13:46,960 --> 00:13:49,020 当然也会有一些比如说简单的 398 00:13:49,020 --> 00:13:50,980 什么月度收入与履约分析趋势 399 00:13:50,980 --> 00:13:54,400 那么这里它其实是通过交叉的各个不同维度去筛选出一张表 400 00:13:54,400 --> 00:13:57,140 然后这个表其实在我们当前这个系统里面 401 00:13:57,140 --> 00:14:00,400 我们是给大家单独集成了一些e-chats的这样的一些工具 402 00:14:00,400 --> 00:14:03,580 这个e-chats其实也是我们在进行AI数据分析的过程当中 403 00:14:03,580 --> 00:14:06,080 经常会要用到的一个非常核心这样的功能 404 00:14:06,080 --> 00:14:07,800 那么它其实就允许对不对 405 00:14:07,800 --> 00:14:11,120 有这样的一个一系列的各式各样交互的这个 406 00:14:11,120 --> 00:14:13,200 交互的这样的这个效果 407 00:14:13,200 --> 00:14:15,340 我们就可以在里面能够去看到了 408 00:14:15,340 --> 00:14:17,720 这个是e-chats的这样的一些这个功能 409 00:14:17,720 --> 00:14:22,860 然后它是允许我们去根据选取不同的指标 410 00:14:22,860 --> 00:14:24,760 然后去选取不同这样的图片 411 00:14:24,760 --> 00:14:27,740 然后来进行实时的数据的这样的生成 412 00:14:27,740 --> 00:14:30,960 然后其实上面每一步都它执行的一些过程 413 00:14:30,960 --> 00:14:32,540 比如说它先提取了一个指标 414 00:14:32,540 --> 00:14:34,440 然后在我们对话列表里面 415 00:14:34,440 --> 00:14:36,660 我们通过这些结构化输出这样的方式 416 00:14:36,660 --> 00:14:39,280 让它去输出一个比如说核心指标 417 00:14:39,280 --> 00:14:41,560 某一个特定类型这样的一个message 418 00:14:41,560 --> 00:14:44,600 然后我们的系统读取到它特定类型的message之后 419 00:14:44,600 --> 00:14:47,000 在前端渲染的时候就会使用这HS 420 00:14:47,000 --> 00:14:47,940 把它渲染成这个样子 421 00:14:47,940 --> 00:14:48,580 是这么一回事 422 00:14:48,580 --> 00:14:50,120 然后接下来比如说 423 00:14:50,120 --> 00:14:51,640 它又提取了一组数据 424 00:14:51,640 --> 00:14:53,800 那么前端又实时的把它渲染成 425 00:14:53,800 --> 00:14:54,880 这样的一个表格 426 00:14:54,880 --> 00:14:55,960 可以供我们来进行操作 427 00:14:55,960 --> 00:14:57,000 像这样的渲染 428 00:14:57,000 --> 00:14:58,160 这样的功能 429 00:14:58,160 --> 00:14:59,600 也是现在就比如说 430 00:14:59,600 --> 00:15:01,300 我们使用这个Cloud Cowork 431 00:15:01,300 --> 00:15:04,000 或者是使用这个ChatGPT的这个Sheet 432 00:15:04,000 --> 00:15:04,960 这样的一些这个系统 433 00:15:04,960 --> 00:15:06,020 你发现它也是 434 00:15:06,020 --> 00:15:07,780 类似这样的一个执行的思路 435 00:15:07,780 --> 00:15:09,660 这也是现在当代AI数据分析的 436 00:15:09,660 --> 00:15:11,280 agent开发的过程当中 437 00:15:11,280 --> 00:15:14,420 一个提升用户观感的一个小技巧 438 00:15:14,420 --> 00:15:15,260 一个小技巧 439 00:15:15,260 --> 00:15:15,980 就这么一回事 440 00:15:15,980 --> 00:15:18,100 然后他又提取各式各样的东西 441 00:15:18,100 --> 00:15:19,480 然后在我们系统里面 442 00:15:19,480 --> 00:15:21,280 他还有就比如说有一些 443 00:15:21,280 --> 00:15:24,720 能够去追溯我们原来的数据 444 00:15:24,720 --> 00:15:26,680 整个生成的血脉这样的过程 445 00:15:26,680 --> 00:15:28,520 关于像什么数据血缘这样的追溯 446 00:15:28,520 --> 00:15:29,480 这个其实也是现在 447 00:15:29,480 --> 00:15:30,720 还是进行数据分析的时候 448 00:15:30,720 --> 00:15:32,120 有一个非常时髦的一个概念 449 00:15:32,120 --> 00:15:33,000 这个血缘追溯 450 00:15:33,000 --> 00:15:34,200 其实一个是为了关联分析 451 00:15:34,200 --> 00:15:37,020 一个是为了确认我们当前的本身数据 452 00:15:37,020 --> 00:15:39,580 提取结果这样的可信度 453 00:15:39,580 --> 00:15:40,780 这样的一些功能 454 00:15:40,780 --> 00:15:43,380 去进行追溯进行关联检测等等 455 00:15:43,380 --> 00:15:46,700 这里他就点一下就可以进来 456 00:15:46,700 --> 00:15:48,980 就可以看到他所谓的产物科学源 457 00:15:48,980 --> 00:15:50,420 相关这些东西了 458 00:15:50,420 --> 00:15:52,060 我们不管我们继续看 459 00:15:52,499 --> 00:16:07,499 請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字。請保持中文字 460 00:16:07,499 --> 00:16:10,499 多维度的一个这个啊 多维度的这个表格分析啊 461 00:16:10,499 --> 00:16:13,299 就是一个多维度的这个指标分析啊 462 00:16:13,299 --> 00:16:15,699 然后他呢 实际上是提取各个不同维度啊 463 00:16:15,699 --> 00:16:16,899 然后来然后来进行分析啊 464 00:16:16,899 --> 00:16:20,099 只不过呢 我们他所有提取的各个维度数据在前端渲染的时候呢 465 00:16:20,099 --> 00:16:23,499 都给他渲染成了这个啊 大家现在看到的啊 466 00:16:23,499 --> 00:16:26,099 这个呃 一些图表的这样的这个模样啊 467 00:16:26,099 --> 00:16:26,699 是这么一回事啊 468 00:16:26,699 --> 00:16:29,799 所以这里面其实很多很多很多的一些指标的一些这个分析啊 469 00:16:29,799 --> 00:16:32,799 所有这个指标都可以提取摘要啊 表格呀 图片呢 470 00:16:32,799 --> 00:16:35,499 都是ok的啊 有很多的一些这个分析啊 471 00:16:35,499 --> 00:16:39,559 然后同时我们最后其实还有关于什么软投票模型 472 00:16:39,559 --> 00:16:40,999 这个其实是一个建模分析 473 00:16:40,999 --> 00:16:43,959 我们实际上是让它来进行模型融合相关的分析 474 00:16:43,959 --> 00:16:44,779 然后等等等等 475 00:16:44,779 --> 00:16:46,379 当然我们在实时运行的过程当中 476 00:16:46,379 --> 00:16:47,879 我们其实还给它了一些功能 477 00:16:47,879 --> 00:16:49,759 就是这里面在进行对话的时候 478 00:16:49,759 --> 00:16:53,839 同时你可以在右边去比如保存一些数据结果 479 00:16:53,839 --> 00:16:55,379 这里你可以实时来进行保存 480 00:16:55,379 --> 00:16:55,919 其实没有什么问题 481 00:16:55,919 --> 00:16:59,339 同时它还会生成一个可视化的报告 482 00:16:59,339 --> 00:17:02,339 里面会综合我们现在所有的这些结论 483 00:17:02,339 --> 00:17:06,019 然后最后生成一个完整的数据分析的报告 484 00:17:06,019 --> 00:17:07,719 然后同时数据分析的报告 485 00:17:07,719 --> 00:17:11,159 也是可以直接生成HTML来进行本地的保存的 486 00:17:11,159 --> 00:17:13,919 这是我们当前的整个agent一个基本功能 487 00:17:13,919 --> 00:17:15,559 当然了解这个基本功能之后 488 00:17:15,559 --> 00:17:17,039 其实比较重要的是我们需要看 489 00:17:17,039 --> 00:17:20,279 关于整个系统它的架构是如何实现 490 00:17:20,279 --> 00:17:23,579 它的架构是怎么样来进行完整的设计的 491 00:17:23,579 --> 00:17:26,059 那么对于我们当前这个系统来说 492 00:17:26,059 --> 00:17:27,579 OK我们给大家放大一下 493 00:17:27,579 --> 00:17:28,319 给大家看一下 494 00:17:28,319 --> 00:17:32,279 对我们当前的系统的架构来说 495 00:17:32,279 --> 00:17:34,899 那基本上是这么几个方面 496 00:17:34,899 --> 00:17:36,479 大家可以先来看一下 497 00:17:36,479 --> 00:17:39,439 当然首先大家这个之后 498 00:17:39,439 --> 00:17:40,379 如果拿到这个项目的话 499 00:17:40,379 --> 00:17:43,199 其实是能够看到它完整的一个架构的这个列表的 500 00:17:43,199 --> 00:17:46,639 那首先它肯定是流失对话的这个基本的这个工具台 501 00:17:46,639 --> 00:17:49,279 然后呢它是这个fastfpi跟sse的网关 502 00:17:49,279 --> 00:17:50,819 因为我们本来是本地的这个部署 503 00:17:50,819 --> 00:17:52,319 那这里正好给大家看一下 504 00:17:52,319 --> 00:17:54,319 我们实际上在进行这个 505 00:17:54,319 --> 00:17:56,539 在进行agent的开发过程当中 506 00:17:56,539 --> 00:17:58,539 当我们已经就比如说 507 00:17:58,539 --> 00:18:00,299 在这个看到一个成熟的这个项目 508 00:18:00,299 --> 00:18:01,499 你可以从哪些角度去看 509 00:18:01,499 --> 00:18:02,639 它底层的这样的架构 510 00:18:02,639 --> 00:18:04,839 当然首先我们是对话切入的 511 00:18:04,839 --> 00:18:05,659 这样一些功能 512 00:18:05,659 --> 00:18:08,199 然后就是我们整个Fast API后端服务 513 00:18:08,199 --> 00:18:10,479 来进行封装的这样的一个功能模块 514 00:18:10,479 --> 00:18:11,799 和SSE的网关 515 00:18:11,799 --> 00:18:13,799 然后比较重要的是 516 00:18:13,799 --> 00:18:16,059 我们现在的agent运行时的这样的编排 517 00:18:16,059 --> 00:18:17,199 那么agent运行时 518 00:18:17,199 --> 00:18:18,879 这里我们其实是采用的是 519 00:18:18,879 --> 00:18:20,879 Deepseek V4 Flash这样的一个模型 520 00:18:20,879 --> 00:18:21,199 对不对 521 00:18:21,199 --> 00:18:22,059 然后来了 522 00:18:22,059 --> 00:18:25,079 OpenAI的ChatComplations API作为底层 523 00:18:25,079 --> 00:18:26,679 Sorry Responses API 524 00:18:26,679 --> 00:18:28,739 作为底层来进行一个基础功能 525 00:18:28,739 --> 00:18:29,599 这样的响应 526 00:18:29,599 --> 00:18:30,659 然后同时 527 00:18:30,659 --> 00:18:35,619 整个的编排是用Deep Agents来进行的编排 528 00:18:35,619 --> 00:18:39,859 所以它就会允许我们按照意图来进行工具调用 529 00:18:39,859 --> 00:18:41,859 然后同时也可以加载这个Skill 530 00:18:41,859 --> 00:18:45,039 这两块功能其实在实际开发过程当中 531 00:18:45,039 --> 00:18:46,199 并没有那么的复杂 532 00:18:46,199 --> 00:18:48,659 就比如说我们关联一些工具和关联一些Skill 533 00:18:48,659 --> 00:18:50,879 其实并没有那么的复杂 534 00:18:50,879 --> 00:18:54,239 核心原因是因为对于像LongChain的Deep Agents来说 535 00:18:54,239 --> 00:18:57,959 大家可能之前没有看过我们那期Deep Agents的公开课 536 00:18:57,959 --> 00:18:59,819 那么对于Deep Agents来说 537 00:18:59,819 --> 00:19:01,259 这功能其实都是内置功能 538 00:19:01,259 --> 00:19:02,999 你其实只需要几行代码 539 00:19:02,999 --> 00:19:09,339 然后去给它写好一些对应的一些skill 540 00:19:09,339 --> 00:19:10,999 然后在进行读取的过程当中 541 00:19:10,999 --> 00:19:13,099 把这个skill就像工具一样给它读进来 542 00:19:13,099 --> 00:19:15,099 然后它就可以加载这样的一些skill 543 00:19:15,099 --> 00:19:17,439 这些其实并不会特别的复杂 544 00:19:17,439 --> 00:19:19,619 然后比较复杂的其实是 545 00:19:19,619 --> 00:19:21,079 关于我们在进数据分析的时候 546 00:19:21,079 --> 00:19:22,699 你需要去梳理我们当前系统 547 00:19:22,699 --> 00:19:24,039 到底需要哪些功能 548 00:19:24,039 --> 00:19:26,059 这一点其实也是现在 549 00:19:26,059 --> 00:19:27,179 就是我们经常去讨论 550 00:19:27,179 --> 00:19:28,419 比如说像FDE对不对 551 00:19:28,419 --> 00:19:30,259 前沿部署工程师 552 00:19:30,259 --> 00:19:31,519 我们经常说FDE 553 00:19:31,519 --> 00:19:33,159 FDE这个难在哪呢 554 00:19:33,159 --> 00:19:34,499 其实不一定是难在 555 00:19:34,499 --> 00:19:36,759 说我们要去完成Agent开发 556 00:19:36,759 --> 00:19:39,319 其实反而很多FDE的场景下 557 00:19:39,319 --> 00:19:40,639 Agent本身的开发难度 558 00:19:40,639 --> 00:19:41,459 其实是并不大的 559 00:19:41,459 --> 00:19:43,259 然后FDE最难的地方 560 00:19:43,259 --> 00:19:43,859 可能在于说 561 00:19:43,859 --> 00:19:45,879 它怎么样结合业务去分析 562 00:19:45,879 --> 00:19:46,759 我们当前业务到底 563 00:19:46,759 --> 00:19:48,039 需要达到哪些目标 564 00:19:48,039 --> 00:19:49,879 然后合理的去适配一条 565 00:19:49,879 --> 00:19:51,979 最为稳健这样的一个开发方案 566 00:19:51,979 --> 00:19:52,979 然后去解决这样的问题 567 00:19:52,979 --> 00:19:54,759 比如说拿到数据分析这样的场景 568 00:19:54,759 --> 00:19:55,719 它就非常典型了 569 00:19:55,719 --> 00:19:56,119 对吧 570 00:19:56,119 --> 00:19:56,879 你就可以去分析 571 00:19:56,879 --> 00:19:57,419 关于说 572 00:19:57,419 --> 00:19:59,179 我们这个数据分析 573 00:19:59,179 --> 00:20:01,479 到底需要实现哪一些功能 574 00:20:01,479 --> 00:20:03,859 就比如说多元数据接入 575 00:20:03,859 --> 00:20:04,579 这个得有 576 00:20:04,579 --> 00:20:06,379 然后什么数据 577 00:20:06,379 --> 00:20:08,179 只读的数据查询引擎 578 00:20:08,179 --> 00:20:09,819 这个查数的功能肯定是要有 579 00:20:09,819 --> 00:20:12,579 然后像什么数据清洗和特征工程 580 00:20:12,579 --> 00:20:13,799 然后包括数据探索 581 00:20:13,799 --> 00:20:14,719 数据可视化分析 582 00:20:14,719 --> 00:20:16,019 这东西肯定是要有的 583 00:20:16,019 --> 00:20:16,419 对不对 584 00:20:16,419 --> 00:20:17,159 这就是一块功能 585 00:20:17,159 --> 00:20:19,399 还有什么异步训练精神管道 586 00:20:19,399 --> 00:20:20,419 所谓异步训练 587 00:20:20,419 --> 00:20:22,239 其实主要指的是一些画图的工作 588 00:20:22,239 --> 00:20:24,019 和机器学习建模预测的一些工作 589 00:20:24,019 --> 00:20:25,779 然后机器学习和模型融合 590 00:20:25,779 --> 00:20:26,679 这个肯定也是要有的 591 00:20:26,679 --> 00:20:29,139 我们需要很多时候需要围绕一些数值来进行预测 592 00:20:29,139 --> 00:20:29,399 对不对 593 00:20:29,399 --> 00:20:30,399 然后出分析报告 594 00:20:30,399 --> 00:20:32,539 这条链路基本上就是我们现在 595 00:20:32,539 --> 00:20:34,799 其实不仅仅是我们当前项目这么规定的 596 00:20:34,799 --> 00:20:37,199 其实现在很多的一些agent开发 597 00:20:37,199 --> 00:20:38,839 很多的一些这个数据分析项目 598 00:20:38,839 --> 00:20:40,479 基本上也是按照这样的一个链路 599 00:20:40,479 --> 00:20:42,699 来规划我们现在整个模块核心需要的功能 600 00:20:42,699 --> 00:20:43,999 那么有了这功能之后 601 00:20:43,999 --> 00:20:44,599 你会发现 602 00:20:44,599 --> 00:20:45,939 那这些功能如何实现 603 00:20:45,939 --> 00:20:46,959 基本上就是两层 604 00:20:46,959 --> 00:20:48,779 第一层我们说底层 605 00:20:48,779 --> 00:20:51,639 你需要有一些基础功能层作为它的支撑 606 00:20:51,639 --> 00:20:52,999 比如说你要有本地的数据库 607 00:20:52,999 --> 00:20:53,599 对不对 608 00:20:53,599 --> 00:20:55,839 你需要有这个项目隔离仓 609 00:20:55,839 --> 00:20:57,339 和这个血缘关系的这个梳理 610 00:20:57,339 --> 00:20:59,379 你需要有什么这个CircleLite 611 00:20:59,379 --> 00:21:01,339 去存储每一个数据集的这个原数据 612 00:21:01,339 --> 00:21:02,879 你还需要有独立项目空间和文件 613 00:21:02,879 --> 00:21:05,479 这东西其实是怎么说呢 614 00:21:05,479 --> 00:21:09,419 就是这东西倒不一定你需要跟Codex去说 615 00:21:09,419 --> 00:21:11,359 他其实很多时候自己能够梳理清楚 616 00:21:11,359 --> 00:21:13,059 就是你需要去跟他讲的更多的 617 00:21:13,059 --> 00:21:14,479 其实是上面这一层 618 00:21:14,479 --> 00:21:17,059 我们到底需要有哪一些业务的这个指标 619 00:21:17,059 --> 00:21:18,199 以及这所有的业务 620 00:21:18,199 --> 00:21:20,739 他需要完成到什么样的这个程度 621 00:21:20,739 --> 00:21:22,779 就比如说OK我们的这个分析报告 622 00:21:22,779 --> 00:21:23,959 写的什么程度 623 00:21:23,959 --> 00:21:25,439 然后我们的这个一步训练进程 624 00:21:25,439 --> 00:21:28,119 他需要做到什么样的程度等等 625 00:21:28,119 --> 00:21:31,399 然后至于说有了这些程度之后 626 00:21:31,399 --> 00:21:34,779 下面的很多的一些功能 627 00:21:34,779 --> 00:21:37,739 其实都可以由当前的agent或者kodex 628 00:21:37,739 --> 00:21:38,479 自己来去完成 629 00:21:38,479 --> 00:21:39,399 这个其实问题不大 630 00:21:39,399 --> 00:21:42,319 但是确实需要我们人工来进行讨论和完成 631 00:21:42,319 --> 00:21:43,639 实际上是上面这些 632 00:21:43,639 --> 00:21:46,279 主要是agent的智能编排程 633 00:21:46,279 --> 00:21:49,239 就是比如说我们比如说模型 634 00:21:49,239 --> 00:21:52,279 或者最小的工具路由 635 00:21:52,279 --> 00:21:54,439 或者sgills这样的披露等等 636 00:21:54,439 --> 00:21:56,939 你需要有一整套完整的技术选型 637 00:21:56,939 --> 00:22:00,139 确定是需要你需要采用哪一组技术来进行开发 638 00:22:00,139 --> 00:22:03,339 OK 差不多是这样的一个基本的架构 639 00:22:03,339 --> 00:22:05,819 所以我们说从架构当中 640 00:22:05,819 --> 00:22:07,019 你也能够看得出来 641 00:22:07,019 --> 00:22:10,019 基本上我们现在在进行agent开发过程当中 642 00:22:10,019 --> 00:22:12,039 其实比较重要的第一点 643 00:22:12,039 --> 00:22:14,259 其实倒不一定怎么说 644 00:22:14,259 --> 00:22:17,919 当然选取一个合适的工具和模型也很重要 645 00:22:17,919 --> 00:22:19,139 但是其实更加重要的是 646 00:22:19,139 --> 00:22:20,579 你需要非常清楚的知道 647 00:22:20,579 --> 00:22:23,299 我们当前的业务的意图是什么 648 00:22:23,299 --> 00:22:27,959 那也就是说我们现在到底需要解决哪一些这个问题啊 649 00:22:27,959 --> 00:22:28,559 然后呢 650 00:22:28,559 --> 00:22:33,059 到底有哪一些这个非常关键的这样的一些这个场景啊 651 00:22:33,059 --> 00:22:33,999 等等等等啊 652 00:22:33,999 --> 00:22:34,999 这些呢可能是 653 00:22:34,999 --> 00:22:35,259 哎 654 00:22:35,259 --> 00:22:35,959 放大一下 655 00:22:35,959 --> 00:22:38,859 那么这些呢可能是首先我们需要确认的啊 656 00:22:38,859 --> 00:22:39,519 然后呢 657 00:22:39,519 --> 00:22:43,699 接下来比较重要的是我们可能就需要讨论清楚 658 00:22:43,699 --> 00:22:48,339 关于我要去解决当前这样的一些业务的难题啊 659 00:22:48,339 --> 00:22:48,539 哎 660 00:22:48,539 --> 00:22:50,939 你得做好哪一些技术这个选型 661 00:22:50,939 --> 00:22:51,559 对不对啊 662 00:22:51,559 --> 00:22:53,479 就是选型这块肯定也是我们需要去做的啊 663 00:22:53,479 --> 00:22:55,739 那么然后再往下才是啊 664 00:22:55,739 --> 00:22:57,079 你用着这个codex啊 665 00:22:57,079 --> 00:22:59,599 你用着这个这个deep seek啊 666 00:22:59,599 --> 00:23:00,499 这样的这个模型啊 667 00:23:00,499 --> 00:23:01,879 再来进行一轮一轮的开发啊 668 00:23:01,879 --> 00:23:02,419 是这么一回事 669 00:23:02,419 --> 00:23:02,859 好 670 00:23:02,859 --> 00:23:06,379 那么了解了我们当前整个系统 671 00:23:06,379 --> 00:23:09,759 那完整的一些基本的功能之后啊 672 00:23:09,759 --> 00:23:10,539 那么接下来啊 673 00:23:10,539 --> 00:23:12,039 就我们需要来看一看啊 674 00:23:12,039 --> 00:23:13,359 他到底应该呃 675 00:23:13,359 --> 00:23:15,379 怎么样来进行开发和底层的这个思路啊 676 00:23:15,379 --> 00:23:16,032 到底是什么样的呢