WEBVTT

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。

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

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

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

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

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

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

00:00:57.820 --> 00:00:59.640
所以其实对这样的性能来说

00:00:59.640 --> 00:01:00.720
尽管它是小号

00:01:00.720 --> 00:01:02.300
但是对于很多开发任务来说

00:01:02.300 --> 00:01:03.920
其实绝对可以来进行使用的

00:01:03.920 --> 00:01:05.960
并且它本身的响应速度也很快

00:01:05.960 --> 00:01:06.360
对吧

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

00:01:09.700 --> 00:01:11.760
那么我们刚才其实是围绕着

00:01:11.760 --> 00:01:15.140
我们的part3的课件重新进行一轮修正

00:01:15.140 --> 00:01:17.300
然后我们刚刚讲Codex好多功能

00:01:17.300 --> 00:01:19.380
什么States

00:01:19.380 --> 00:01:20.240
什么Innet

00:01:20.240 --> 00:01:21.360
什么项目结构

00:01:21.360 --> 00:01:22.160
Agents

00:01:22.160 --> 00:01:23.940
各式各样的这些东西

00:01:23.940 --> 00:01:25.260
应该怎么样进行编写

00:01:25.260 --> 00:01:26.940
包括它的Sandbox

00:01:26.940 --> 00:01:28.400
怎么样来进行开启

00:01:28.400 --> 00:01:28.760
对不对

00:01:28.760 --> 00:01:30.540
他的subagents怎么样进行开启等等

00:01:30.540 --> 00:01:32.900
我们之前课程里面的截图被吞了

00:01:32.900 --> 00:01:33.780
导致大家可能没有看到

00:01:33.780 --> 00:01:34.500
没关系

00:01:34.500 --> 00:01:35.680
大家现在可以再去看一看

00:01:35.680 --> 00:01:37.720
我们的part3里面的这些截图

00:01:37.720 --> 00:01:39.860
再回顾一下codex的整体这样的功能

00:01:39.860 --> 00:01:40.560
那么接下来

00:01:40.560 --> 00:01:42.020
在整个实操过程当中

00:01:42.020 --> 00:01:44.460
也会有一个更加快速的

00:01:44.460 --> 00:01:46.080
上手的这样的一个效果

00:01:46.080 --> 00:01:48.320
当然我们在所有的开发过程当中

00:01:48.320 --> 00:01:50.340
我们首先需要跟大家先梳理清楚的是

00:01:50.340 --> 00:01:51.100
整个开发思路

00:01:51.100 --> 00:01:53.380
和需要用到的codex相关的功能

00:01:53.380 --> 00:01:55.340
以及围绕我们当前这个系统

00:01:55.340 --> 00:01:56.720
我们怎么样来进行技术选行

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

00:01:59.760 --> 00:02:01.400
可能我们只能够讲完到这一层

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

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

00:02:08.380 --> 00:02:10.720
和每一轮的系统的快照还是一样的

00:02:10.720 --> 00:02:11.700
我们会放在课件里面

00:02:11.700 --> 00:02:13.040
大家回头可以自己拿到再去看

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

00:02:15.760 --> 00:02:17.620
这个时间会跟大家梳理清楚

00:02:17.620 --> 00:02:20.180
关于整个项目在进行开发的过程当中

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

00:02:23.500 --> 00:02:25.120
我们之前K3的课其实也是

00:02:25.120 --> 00:02:26.340
进展到这一块的时候

00:02:26.340 --> 00:02:27.200
时间稍微一点紧

00:02:27.200 --> 00:02:27.660
好

00:02:27.660 --> 00:02:29.640
那么首先我们在对照的这个项目

00:02:29.640 --> 00:02:30.300
跟大家来说

00:02:30.300 --> 00:02:31.800
到底有哪一些这样的功能

00:02:31.800 --> 00:02:35.080
当然其实从整个AI技术兴起开始

00:02:35.080 --> 00:02:37.120
就是关于使用AI来进行数据分析

00:02:37.120 --> 00:02:39.120
其实是一块非常大的功能

00:02:39.120 --> 00:02:40.720
非常大的一块业务的需求

00:02:40.720 --> 00:02:42.280
包括我们现在课程里面

00:02:42.280 --> 00:02:44.120
总共有四项旗舰项目里边

00:02:44.120 --> 00:02:46.120
而且有一个项目也是工业级的

00:02:46.120 --> 00:02:47.900
非常复杂创技家的AI数据分析

00:02:47.900 --> 00:02:49.440
那么围绕这个数据分析

00:02:49.440 --> 00:02:52.720
其实它内部有很多的一些技术体系

00:02:52.720 --> 00:02:54.040
包括像NL2色刻画

00:02:54.040 --> 00:02:55.260
包括像这个现在

00:02:55.260 --> 00:02:56.300
还有全自动的

00:02:56.300 --> 00:02:58.000
这个AI来进行机器学习建模

00:02:58.000 --> 00:02:58.560
等等等等

00:02:58.560 --> 00:02:59.560
各个细分的

00:02:59.560 --> 00:03:00.720
这样的这个技术体系

00:03:00.720 --> 00:03:01.520
当然之所以

00:03:01.520 --> 00:03:03.440
AI能够很好的来进行数据分析

00:03:03.440 --> 00:03:04.120
这样的操作

00:03:04.120 --> 00:03:04.940
其实也是因为

00:03:04.940 --> 00:03:06.720
这个对大模型来说

00:03:06.720 --> 00:03:07.640
这个内容创作

00:03:07.640 --> 00:03:08.540
或许不得行

00:03:08.540 --> 00:03:09.580
然后呢

00:03:09.580 --> 00:03:10.900
这个最开始的时候

00:03:10.900 --> 00:03:12.220
非常复杂大规模

00:03:12.220 --> 00:03:12.840
几万行

00:03:12.840 --> 00:03:14.200
十几万行代码的项目开发

00:03:14.200 --> 00:03:15.040
或许有点困难

00:03:15.040 --> 00:03:16.580
但是像AI数据分析

00:03:16.580 --> 00:03:16.880
对不对

00:03:16.880 --> 00:03:18.580
从这数据里面找规律下判断

00:03:18.580 --> 00:03:19.120
然后呢

00:03:19.120 --> 00:03:20.080
写一些这个circle

00:03:20.080 --> 00:03:21.580
来去完成一些高精准的

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

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

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

00:03:32.000 --> 00:03:33.440
各项其实落地的这个情况来看

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

00:03:37.180 --> 00:03:37.820
非常彻底

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

00:03:40.880 --> 00:03:43.620
所以现在我们在进行一些项目

00:03:43.620 --> 00:03:44.780
拿了一些项目来进行开发

00:03:44.780 --> 00:03:45.660
大家想去练手

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

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

00:03:51.060 --> 00:03:54.320
是能够很能够是能够获得一些成果的

00:03:54.320 --> 00:03:56.240
那么接下来我们给大家介绍的

00:03:56.240 --> 00:03:58.300
这个DS4-AI数据分析系统

00:03:58.300 --> 00:03:59.420
实际上就是现在

00:03:59.420 --> 00:04:02.180
就现在这个阶段适配于2026下半年

00:04:02.180 --> 00:04:04.620
比较适合去做一个

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

00:04:07.620 --> 00:04:08.340
非常齐全

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

00:04:11.400 --> 00:04:12.820
那么这个数据分析系统

00:04:12.820 --> 00:04:14.340
我们先看它到底有哪些功能

00:04:14.340 --> 00:04:16.740
首先对于整个数据分析系统来说

00:04:16.740 --> 00:04:18.220
它必须得有一个漂亮的页面

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

00:04:22.380 --> 00:04:26.060
有一个比较好的webdesign的效果肯定会更好

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

00:04:29.420 --> 00:04:32.140
然后首先我们肯定是要有一个

00:04:32.140 --> 00:04:36.260
稍等 我们给它切换成浅色的

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

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

00:04:48.300 --> 00:04:49.680
所谓数据资产管理系统指的是

00:04:49.680 --> 00:04:52.280
我们需要有一个完整的工程模块

00:04:52.280 --> 00:04:53.980
去负责去给当前的AI数据分析

00:04:53.980 --> 00:04:56.500
去介入各个不同的渠道这样的数据

00:04:56.500 --> 00:04:58.920
包括你本地的 Excel CSV这个数据

00:04:58.920 --> 00:05:01.160
包括你数据户里面的一些数据

00:05:01.160 --> 00:05:02.060
MySQL的数据

00:05:02.060 --> 00:05:02.940
SQLite的数据

00:05:02.940 --> 00:05:05.020
甚至是一些分布数的数据户里面等等

00:05:05.020 --> 00:05:08.400
总之你需要维护一整个数据资产也好

00:05:08.400 --> 00:05:09.440
或者数据中台也好

00:05:09.440 --> 00:05:11.520
负责去介入各式各样不同类型的数据

00:05:11.520 --> 00:05:12.960
当然这一块开发

00:05:12.960 --> 00:05:14.640
其实是整个项目里面来说

00:05:14.640 --> 00:05:15.920
应该是非常简单的一块功能

00:05:15.920 --> 00:05:18.640
因为无非就是去验证各个不同渠道的

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

00:05:22.140 --> 00:05:24.660
然后再来进行一个开发

00:05:24.660 --> 00:05:26.740
然后我们现在我们看一下

00:05:26.740 --> 00:05:29.120
因为我现在是连接的是远程的服务

00:05:29.120 --> 00:05:30.980
所以MySQL是起动不了的

00:05:30.980 --> 00:05:31.880
因为我本地没做MySQL

00:05:31.880 --> 00:05:33.700
但其他的数据是能看到的

00:05:33.700 --> 00:05:33.980
对不对

00:05:33.980 --> 00:05:36.340
就很多很多各式各样数据

00:05:36.340 --> 00:05:38.980
你可以去查询各个不同类型的字段

00:05:38.980 --> 00:05:39.300
对吧

00:05:39.300 --> 00:05:40.820
它各个不同类型的曲子等等等等

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

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

00:05:46.660 --> 00:05:48.520
或者是数据存储这样的功能啊

00:05:48.520 --> 00:05:49.960
当然对于一些企业的应用场景来说

00:05:49.960 --> 00:05:50.880
它可能还会涉及到一些

00:05:50.880 --> 00:05:52.700
比如说数据的这样的一个权限啊

00:05:52.700 --> 00:05:54.460
查询的这样的权限等等等等

00:05:54.460 --> 00:05:56.360
当然这个数据资产的管理啊

00:05:56.360 --> 00:05:58.500
一方面你是需要去设置一些

00:05:58.500 --> 00:05:59.780
比如说远程的麦斯克连接

00:05:59.780 --> 00:06:01.540
或者你自己本地导入一些这个数据

00:06:01.540 --> 00:06:02.900
然后同时它还会涉及到一些

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

00:06:04.960 --> 00:06:06.920
中间啊状态我们提取

00:06:06.920 --> 00:06:08.480
或者说临时存储的一些数据

00:06:08.480 --> 00:06:10.160
或者说一些数据结论等等等等

00:06:10.160 --> 00:06:12.440
统一都是从一个功能入口

00:06:12.440 --> 00:06:13.980
来进行一个统一的这样的维护

00:06:13.980 --> 00:06:15.660
这里能看到什么数据资产

00:06:15.660 --> 00:06:16.920
服务项目

00:06:16.920 --> 00:06:18.060
多少行数据

00:06:18.060 --> 00:06:20.020
本地的数据的规模等等

00:06:20.020 --> 00:06:22.080
这个数据其实还是一个比较大的

00:06:22.080 --> 00:06:23.480
一个数规模的数据

00:06:23.480 --> 00:06:24.860
毕竟有300多万行的数据

00:06:24.860 --> 00:06:25.100
对吧

00:06:25.100 --> 00:06:26.820
还是一个比较大的数据

00:06:26.820 --> 00:06:27.920
然后这个数据

00:06:27.920 --> 00:06:29.160
我们在课程里面

00:06:29.160 --> 00:06:30.380
因为是为了做这个项目

00:06:30.380 --> 00:06:31.140
来进行一个测试

00:06:31.140 --> 00:06:32.500
所以它是分布在

00:06:32.500 --> 00:06:33.320
什么MySQL

00:06:33.320 --> 00:06:34.260
CircleLite

00:06:34.260 --> 00:06:34.900
Excel

00:06:34.900 --> 00:06:35.420
CSV

00:06:35.420 --> 00:06:37.220
这个四种不同类型的这个数据库里面

00:06:37.220 --> 00:06:38.980
四种不同类型的数据载体里面

00:06:38.980 --> 00:06:40.400
所以我们可以去给它打散

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

00:06:42.820 --> 00:06:44.620
应该是非常通用的这四个数据载体

00:06:44.620 --> 00:06:45.200
除此之外呢

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

00:06:48.700 --> 00:06:49.520
也是都是ok的

00:06:49.520 --> 00:06:50.140
这是第一个

00:06:50.140 --> 00:06:51.080
那么第二个呢

00:06:51.080 --> 00:06:53.460
是对于现在的这个数据分析系统来说

00:06:53.460 --> 00:06:55.640
你或多或少总得给它整一些

00:06:55.640 --> 00:06:56.760
这个技能系统

00:06:56.760 --> 00:06:57.380
对不对

00:06:57.380 --> 00:06:58.920
那么什么叫做这个数据分析

00:06:58.920 --> 00:06:59.880
这个技能系统

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

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

00:07:05.840 --> 00:07:07.660
那你需要来进行数据分析

00:07:07.660 --> 00:07:07.940
对吧

00:07:07.940 --> 00:07:11.220
那有很多很多需要来进行分析的

00:07:11.220 --> 00:07:15.760
需要来进行分析的一些事项

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

00:07:19.100 --> 00:07:21.860
分析偏好某一些可视化这样的方式

00:07:21.860 --> 00:07:24.340
或者你本来你们公司来进行数据欣喜

00:07:24.340 --> 00:07:26.840
或者提取特定的这业务指标

00:07:26.840 --> 00:07:28.900
可能就有具体的一些领域这样的知识

00:07:28.900 --> 00:07:29.220
对不对

00:07:29.220 --> 00:07:30.240
那这些东西的话

00:07:30.240 --> 00:07:32.240
怎么样灌输给当前的数据分析系统

00:07:32.240 --> 00:07:33.960
其实我们可能考虑的

00:07:33.960 --> 00:07:35.960
就通过SGU这样的方式来去告诉

00:07:35.960 --> 00:07:37.400
我们当前的数据分析系统

00:07:37.400 --> 00:07:39.060
我们在不同环节的时候

00:07:39.060 --> 00:07:40.700
到底需要做哪一些事情

00:07:40.700 --> 00:07:41.080
对不对

00:07:41.080 --> 00:07:41.960
可视化的时候

00:07:41.960 --> 00:07:45.880
往往都是采用什么样的图片

00:07:45.880 --> 00:07:47.340
来进行绘制

00:07:47.340 --> 00:07:48.000
对不对

00:07:48.000 --> 00:07:50.060
然后还可以选择

00:07:50.060 --> 00:07:51.720
其他的什么柄图

00:07:51.720 --> 00:07:55.140
热力图等等

00:07:55.140 --> 00:07:58.160
各样的图片来进行呈现

00:07:58.160 --> 00:07:59.220
那么总之就是

00:07:59.220 --> 00:07:59.920
我们其实

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。

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。

00:08:11.500 --> 00:08:12.780
那么生成数据报告的时候

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

00:08:15.540 --> 00:08:15.840
对不对

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

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

00:08:21.600 --> 00:08:22.760
可能涉及到行业的黑化

00:08:22.760 --> 00:08:24.660
那这东西其实都属于一个分析统里面

00:08:24.660 --> 00:08:26.600
它必须要去具备一些这样的功能

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

00:08:29.960 --> 00:08:32.460
所以我们这里其实是预制了很多的

00:08:32.460 --> 00:08:33.380
也没有很多

00:08:33.380 --> 00:08:35.840
就总共是内置了4个Skill

00:08:35.840 --> 00:08:37.620
因为都是用Codex进行开发

00:08:37.620 --> 00:08:39.540
所以我们这里是设置一些场景

00:08:39.540 --> 00:08:41.980
然后是设置了4个不同类型的Skill

00:08:41.980 --> 00:08:44.800
那么它包括比如说生成一些数据摘要

00:08:44.800 --> 00:08:47.700
包括数据的检查

00:08:47.700 --> 00:08:49.860
包括去检查一些异常值

00:08:49.860 --> 00:08:51.700
包括老外进行数据分析报告等等

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

00:08:54.980 --> 00:08:57.020
像实际在进行业务的过程当中

00:08:57.020 --> 00:09:00.240
它需要涉及到的阶段其实非常非常多

00:09:00.240 --> 00:09:03.160
可能会有比如说前期的像数据清洗

00:09:03.160 --> 00:09:03.880
对不对

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

00:09:06.260 --> 00:09:08.880
然后很有可能还需要来进行一些

00:09:08.880 --> 00:09:10.620
数据指标的这样的计算

00:09:10.620 --> 00:09:12.680
需要来进行一些可视化的分析

00:09:12.680 --> 00:09:14.700
然后到后期建模的时候

00:09:14.700 --> 00:09:15.680
可能还会涉及到一些

00:09:15.680 --> 00:09:18.480
比如说特征的增强

00:09:18.480 --> 00:09:20.400
或者特征工程的一些操作

00:09:20.400 --> 00:09:21.840
或者模型融合的一些操作

00:09:21.840 --> 00:09:23.880
然后在实际机器建模的过程当中

00:09:23.880 --> 00:09:25.980
还会涉及到一些比较复杂的

00:09:25.980 --> 00:09:28.940
一些机器学习的算法

00:09:28.940 --> 00:09:29.540
对不对

00:09:29.540 --> 00:09:31.020
一些集成算法来进行

00:09:31.020 --> 00:09:32.720
更加复杂的机器学习的建模

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

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

00:09:38.680 --> 00:09:40.180
是做大数据相关的工作

00:09:40.180 --> 00:09:42.420
所以这一整个流程其实非常长

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

00:09:45.700 --> 00:09:46.840
对不对换当线系统里面

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

00:09:50.260 --> 00:09:52.720
我们就可以自由的来进行一个切换

00:09:52.720 --> 00:09:53.680
和来进行个选取了

00:09:53.680 --> 00:09:54.480
那么除此之外

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

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

00:10:01.100 --> 00:10:03.860
你可能需要有比如说设置的模型的apir

00:10:03.860 --> 00:10:05.140
设置这个沙盒环境啊

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

00:10:08.200 --> 00:10:09.460
单独创建的一个

00:10:09.460 --> 00:10:12.340
本地的一个这个沙盒环境

00:10:12.340 --> 00:10:13.860
那么这个沙盒环境其实主要是

00:10:13.860 --> 00:10:15.900
为了去隔离你当前运行的程序

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

00:10:18.100 --> 00:10:19.520
在说建在这个沙盒环境

00:10:19.520 --> 00:10:21.900
那比如说还有什么连接本地的这个MySQL

00:10:21.900 --> 00:10:22.460
对不对啊

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

00:10:25.220 --> 00:10:27.320
来进行个连接来进行验证等等等等

00:10:27.320 --> 00:10:28.460
这都是需要的

00:10:28.460 --> 00:10:30.140
然后还有一些这个数据安全

00:10:30.140 --> 00:10:31.160
这个安全措施呢

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

00:10:33.320 --> 00:10:34.800
比如说我们数据库只读

00:10:34.800 --> 00:10:36.760
这个权限当然你可以自己放宽了

00:10:36.760 --> 00:10:38.800
然后什么最小上下文的披露

00:10:38.800 --> 00:10:40.400
什么CPU脚本沙盒

00:10:40.400 --> 00:10:42.160
这些东西是你可以来进行设置的

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

00:10:45.760 --> 00:10:47.580
以及还有些界面外观

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

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

00:10:54.140 --> 00:10:54.880
这个页面外观

00:10:54.880 --> 00:10:56.380
其实你可以随便

00:10:56.380 --> 00:10:58.360
你可以自己

00:10:58.360 --> 00:11:00.200
我们用一些webdesign这个方式

00:11:00.200 --> 00:11:01.340
来进行设计啊

00:11:01.340 --> 00:11:02.660
这个其实完全没有什么问题的

00:11:02.660 --> 00:11:04.560
那实际我们在进行使用的时候

00:11:04.560 --> 00:11:06.060
这个项目到底有哪一些功能呢

00:11:06.060 --> 00:11:06.980
这大家可以看到好

00:11:06.980 --> 00:11:07.760
到底有哪些功能啊

00:11:07.760 --> 00:11:08.360
当然我们这里

00:11:08.360 --> 00:11:10.560
对于整个的系统架构来说

00:11:10.560 --> 00:11:12.540
现在当代的这个AI数据分析的

00:11:12.540 --> 00:11:14.200
这样的一个体系的这个设置啊

00:11:14.200 --> 00:11:16.060
都是我们刚刚所看到什么数据资产啊

00:11:16.060 --> 00:11:17.120
这个Skills中心啊

00:11:17.120 --> 00:11:18.340
这种写其他是一套

00:11:18.340 --> 00:11:20.300
跨越项目的维护的一个

00:11:20.300 --> 00:11:22.220
综合的这样的一个这个设置

00:11:22.220 --> 00:11:23.700
而我们接下来每一次对话

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

00:11:25.720 --> 00:11:26.320
是这么一回事

00:11:26.320 --> 00:11:28.320
比如说我们这一项面点新建数据分析

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

00:11:32.740 --> 00:11:34.400
然后你加拿就可以连接数据源

00:11:34.400 --> 00:11:36.540
你可以自己去选取一些数据源

00:11:36.540 --> 00:11:39.520
你也可以去读取MySQL里面的数据源

00:11:39.520 --> 00:11:40.680
也都是OK的

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

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

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

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

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

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

00:11:59.020 --> 00:12:00.960
是这么样的一个情况

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

00:12:04.480 --> 00:12:06.440
大家可以看直接对话这样的效果

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

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

00:12:15.240 --> 00:12:15.540
对不对

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

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

00:12:23.700 --> 00:12:27.320
然后同时我们底层的架构是使用Deep Agents

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

00:12:31.960 --> 00:12:33.260
包括工具调用

00:12:33.260 --> 00:12:35.860
包括一些系统设置

00:12:35.860 --> 00:12:37.060
包括Skew加载

00:12:37.060 --> 00:12:38.120
包括跨线程记忆

00:12:38.120 --> 00:12:38.800
包括持有机

00:12:38.800 --> 00:12:43.660
都是通过Deep Agents来完成的开发

00:12:43.660 --> 00:12:45.580
那么具体我们说它里面有哪些功能

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

00:12:47.380 --> 00:12:48.880
这里先随便说两句

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

00:12:51.480 --> 00:12:53.840
那么它实际上是一个

00:12:53.840 --> 00:12:56.880
Agentic数据分析这样的流程

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

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

00:13:05.100 --> 00:13:06.680
然后再来进行回复

00:13:06.680 --> 00:13:07.960
是这么样的一个情况

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

00:13:12.820 --> 00:13:16.820
什么旅约体验

00:13:16.820 --> 00:13:18.100
什么客户口碑

00:13:18.100 --> 00:13:20.240
交叉归因和建议等等

00:13:20.240 --> 00:13:23.200
就是说我们现在分析思路行不行

00:13:23.200 --> 00:13:24.320
我们让他进行分析

00:13:24.320 --> 00:13:25.260
他给我们提了一个分析思路

00:13:25.260 --> 00:13:27.740
然后分析前去我们拍板的三件事情

00:13:27.740 --> 00:13:29.600
然后接下来OK我们就跟他说

00:13:29.600 --> 00:13:30.920
他就可以开始来进行分析了

00:13:30.920 --> 00:13:32.500
然后具体分析的过程当中

00:13:32.500 --> 00:13:35.180
其实他也会他会进行一些

00:13:35.180 --> 00:13:36.760
比如说字段的提取对不对

00:13:36.760 --> 00:13:38.840
各式各样的字段的提取

00:13:38.840 --> 00:13:40.960
但有些简单的字段你可以看

00:13:40.960 --> 00:13:44.000
直接看比如他去找一些核心的指标

00:13:44.000 --> 00:13:44.300
对不对

00:13:44.300 --> 00:13:46.960
定单最多的这样的商品等等

00:13:46.960 --> 00:13:49.020
当然也会有一些比如说简单的

00:13:49.020 --> 00:13:50.980
什么月度收入与履约分析趋势

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

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

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

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

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

00:14:06.080 --> 00:14:07.800
那么它其实就允许对不对

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

00:14:11.120 --> 00:14:13.200
交互的这样的这个效果

00:14:13.200 --> 00:14:15.340
我们就可以在里面能够去看到了

00:14:15.340 --> 00:14:17.720
这个是e-chats的这样的一些这个功能

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

00:14:22.860 --> 00:14:24.760
然后去选取不同这样的图片

00:14:24.760 --> 00:14:27.740
然后来进行实时的数据的这样的生成

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

00:14:30.960 --> 00:14:32.540
比如说它先提取了一个指标

00:14:32.540 --> 00:14:34.440
然后在我们对话列表里面

00:14:34.440 --> 00:14:36.660
我们通过这些结构化输出这样的方式

00:14:36.660 --> 00:14:39.280
让它去输出一个比如说核心指标

00:14:39.280 --> 00:14:41.560
某一个特定类型这样的一个message

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

00:14:44.600 --> 00:14:47.000
在前端渲染的时候就会使用这HS

00:14:47.000 --> 00:14:47.940
把它渲染成这个样子

00:14:47.940 --> 00:14:48.580
是这么一回事

00:14:48.580 --> 00:14:50.120
然后接下来比如说

00:14:50.120 --> 00:14:51.640
它又提取了一组数据

00:14:51.640 --> 00:14:53.800
那么前端又实时的把它渲染成

00:14:53.800 --> 00:14:54.880
这样的一个表格

00:14:54.880 --> 00:14:55.960
可以供我们来进行操作

00:14:55.960 --> 00:14:57.000
像这样的渲染

00:14:57.000 --> 00:14:58.160
这样的功能

00:14:58.160 --> 00:14:59.600
也是现在就比如说

00:14:59.600 --> 00:15:01.300
我们使用这个Cloud Cowork

00:15:01.300 --> 00:15:04.000
或者是使用这个ChatGPT的这个Sheet

00:15:04.000 --> 00:15:04.960
这样的一些这个系统

00:15:04.960 --> 00:15:06.020
你发现它也是

00:15:06.020 --> 00:15:07.780
类似这样的一个执行的思路

00:15:07.780 --> 00:15:09.660
这也是现在当代AI数据分析的

00:15:09.660 --> 00:15:11.280
agent开发的过程当中

00:15:11.280 --> 00:15:14.420
一个提升用户观感的一个小技巧

00:15:14.420 --> 00:15:15.260
一个小技巧

00:15:15.260 --> 00:15:15.980
就这么一回事

00:15:15.980 --> 00:15:18.100
然后他又提取各式各样的东西

00:15:18.100 --> 00:15:19.480
然后在我们系统里面

00:15:19.480 --> 00:15:21.280
他还有就比如说有一些

00:15:21.280 --> 00:15:24.720
能够去追溯我们原来的数据

00:15:24.720 --> 00:15:26.680
整个生成的血脉这样的过程

00:15:26.680 --> 00:15:28.520
关于像什么数据血缘这样的追溯

00:15:28.520 --> 00:15:29.480
这个其实也是现在

00:15:29.480 --> 00:15:30.720
还是进行数据分析的时候

00:15:30.720 --> 00:15:32.120
有一个非常时髦的一个概念

00:15:32.120 --> 00:15:33.000
这个血缘追溯

00:15:33.000 --> 00:15:34.200
其实一个是为了关联分析

00:15:34.200 --> 00:15:37.020
一个是为了确认我们当前的本身数据

00:15:37.020 --> 00:15:39.580
提取结果这样的可信度

00:15:39.580 --> 00:15:40.780
这样的一些功能

00:15:40.780 --> 00:15:43.380
去进行追溯进行关联检测等等

00:15:43.380 --> 00:15:46.700
这里他就点一下就可以进来

00:15:46.700 --> 00:15:48.980
就可以看到他所谓的产物科学源

00:15:48.980 --> 00:15:50.420
相关这些东西了

00:15:50.420 --> 00:15:52.060
我们不管我们继续看

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

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

00:16:10.499 --> 00:16:13.299
就是一个多维度的这个指标分析啊

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

00:16:15.699 --> 00:16:16.899
然后来然后来进行分析啊

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

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

00:16:23.499 --> 00:16:26.099
这个呃 一些图表的这样的这个模样啊

00:16:26.099 --> 00:16:26.699
是这么一回事啊

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

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

00:16:32.799 --> 00:16:35.499
都是ok的啊 有很多的一些这个分析啊

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

00:16:39.559 --> 00:16:40.999
这个其实是一个建模分析

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

00:16:43.959 --> 00:16:44.779
然后等等等等

00:16:44.779 --> 00:16:46.379
当然我们在实时运行的过程当中

00:16:46.379 --> 00:16:47.879
我们其实还给它了一些功能

00:16:47.879 --> 00:16:49.759
就是这里面在进行对话的时候

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

00:16:53.839 --> 00:16:55.379
这里你可以实时来进行保存

00:16:55.379 --> 00:16:55.919
其实没有什么问题

00:16:55.919 --> 00:16:59.339
同时它还会生成一个可视化的报告

00:16:59.339 --> 00:17:02.339
里面会综合我们现在所有的这些结论

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

00:17:06.019 --> 00:17:07.719
然后同时数据分析的报告

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

00:17:11.159 --> 00:17:13.919
这是我们当前的整个agent一个基本功能

00:17:13.919 --> 00:17:15.559
当然了解这个基本功能之后

00:17:15.559 --> 00:17:17.039
其实比较重要的是我们需要看

00:17:17.039 --> 00:17:20.279
关于整个系统它的架构是如何实现

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

00:17:23.579 --> 00:17:26.059
那么对于我们当前这个系统来说

00:17:26.059 --> 00:17:27.579
OK我们给大家放大一下

00:17:27.579 --> 00:17:28.319
给大家看一下

00:17:28.319 --> 00:17:32.279
对我们当前的系统的架构来说

00:17:32.279 --> 00:17:34.899
那基本上是这么几个方面

00:17:34.899 --> 00:17:36.479
大家可以先来看一下

00:17:36.479 --> 00:17:39.439
当然首先大家这个之后

00:17:39.439 --> 00:17:40.379
如果拿到这个项目的话

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

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

00:17:46.639 --> 00:17:49.279
然后呢它是这个fastfpi跟sse的网关

00:17:49.279 --> 00:17:50.819
因为我们本来是本地的这个部署

00:17:50.819 --> 00:17:52.319
那这里正好给大家看一下

00:17:52.319 --> 00:17:54.319
我们实际上在进行这个

00:17:54.319 --> 00:17:56.539
在进行agent的开发过程当中

00:17:56.539 --> 00:17:58.539
当我们已经就比如说

00:17:58.539 --> 00:18:00.299
在这个看到一个成熟的这个项目

00:18:00.299 --> 00:18:01.499
你可以从哪些角度去看

00:18:01.499 --> 00:18:02.639
它底层的这样的架构

00:18:02.639 --> 00:18:04.839
当然首先我们是对话切入的

00:18:04.839 --> 00:18:05.659
这样一些功能

00:18:05.659 --> 00:18:08.199
然后就是我们整个Fast API后端服务

00:18:08.199 --> 00:18:10.479
来进行封装的这样的一个功能模块

00:18:10.479 --> 00:18:11.799
和SSE的网关

00:18:11.799 --> 00:18:13.799
然后比较重要的是

00:18:13.799 --> 00:18:16.059
我们现在的agent运行时的这样的编排

00:18:16.059 --> 00:18:17.199
那么agent运行时

00:18:17.199 --> 00:18:18.879
这里我们其实是采用的是

00:18:18.879 --> 00:18:20.879
Deepseek V4 Flash这样的一个模型

00:18:20.879 --> 00:18:21.199
对不对

00:18:21.199 --> 00:18:22.059
然后来了

00:18:22.059 --> 00:18:25.079
OpenAI的ChatComplations API作为底层

00:18:25.079 --> 00:18:26.679
Sorry Responses API

00:18:26.679 --> 00:18:28.739
作为底层来进行一个基础功能

00:18:28.739 --> 00:18:29.599
这样的响应

00:18:29.599 --> 00:18:30.659
然后同时

00:18:30.659 --> 00:18:35.619
整个的编排是用Deep Agents来进行的编排

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

00:18:39.859 --> 00:18:41.859
然后同时也可以加载这个Skill

00:18:41.859 --> 00:18:45.039
这两块功能其实在实际开发过程当中

00:18:45.039 --> 00:18:46.199
并没有那么的复杂

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

00:18:48.659 --> 00:18:50.879
其实并没有那么的复杂

00:18:50.879 --> 00:18:54.239
核心原因是因为对于像LongChain的Deep Agents来说

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

00:18:57.959 --> 00:18:59.819
那么对于Deep Agents来说

00:18:59.819 --> 00:19:01.259
这功能其实都是内置功能

00:19:01.259 --> 00:19:02.999
你其实只需要几行代码

00:19:02.999 --> 00:19:09.339
然后去给它写好一些对应的一些skill

00:19:09.339 --> 00:19:10.999
然后在进行读取的过程当中

00:19:10.999 --> 00:19:13.099
把这个skill就像工具一样给它读进来

00:19:13.099 --> 00:19:15.099
然后它就可以加载这样的一些skill

00:19:15.099 --> 00:19:17.439
这些其实并不会特别的复杂

00:19:17.439 --> 00:19:19.619
然后比较复杂的其实是

00:19:19.619 --> 00:19:21.079
关于我们在进数据分析的时候

00:19:21.079 --> 00:19:22.699
你需要去梳理我们当前系统

00:19:22.699 --> 00:19:24.039
到底需要哪些功能

00:19:24.039 --> 00:19:26.059
这一点其实也是现在

00:19:26.059 --> 00:19:27.179
就是我们经常去讨论

00:19:27.179 --> 00:19:28.419
比如说像FDE对不对

00:19:28.419 --> 00:19:30.259
前沿部署工程师

00:19:30.259 --> 00:19:31.519
我们经常说FDE

00:19:31.519 --> 00:19:33.159
FDE这个难在哪呢

00:19:33.159 --> 00:19:34.499
其实不一定是难在

00:19:34.499 --> 00:19:36.759
说我们要去完成Agent开发

00:19:36.759 --> 00:19:39.319
其实反而很多FDE的场景下

00:19:39.319 --> 00:19:40.639
Agent本身的开发难度

00:19:40.639 --> 00:19:41.459
其实是并不大的

00:19:41.459 --> 00:19:43.259
然后FDE最难的地方

00:19:43.259 --> 00:19:43.859
可能在于说

00:19:43.859 --> 00:19:45.879
它怎么样结合业务去分析

00:19:45.879 --> 00:19:46.759
我们当前业务到底

00:19:46.759 --> 00:19:48.039
需要达到哪些目标

00:19:48.039 --> 00:19:49.879
然后合理的去适配一条

00:19:49.879 --> 00:19:51.979
最为稳健这样的一个开发方案

00:19:51.979 --> 00:19:52.979
然后去解决这样的问题

00:19:52.979 --> 00:19:54.759
比如说拿到数据分析这样的场景

00:19:54.759 --> 00:19:55.719
它就非常典型了

00:19:55.719 --> 00:19:56.119
对吧

00:19:56.119 --> 00:19:56.879
你就可以去分析

00:19:56.879 --> 00:19:57.419
关于说

00:19:57.419 --> 00:19:59.179
我们这个数据分析

00:19:59.179 --> 00:20:01.479
到底需要实现哪一些功能

00:20:01.479 --> 00:20:03.859
就比如说多元数据接入

00:20:03.859 --> 00:20:04.579
这个得有

00:20:04.579 --> 00:20:06.379
然后什么数据

00:20:06.379 --> 00:20:08.179
只读的数据查询引擎

00:20:08.179 --> 00:20:09.819
这个查数的功能肯定是要有

00:20:09.819 --> 00:20:12.579
然后像什么数据清洗和特征工程

00:20:12.579 --> 00:20:13.799
然后包括数据探索

00:20:13.799 --> 00:20:14.719
数据可视化分析

00:20:14.719 --> 00:20:16.019
这东西肯定是要有的

00:20:16.019 --> 00:20:16.419
对不对

00:20:16.419 --> 00:20:17.159
这就是一块功能

00:20:17.159 --> 00:20:19.399
还有什么异步训练精神管道

00:20:19.399 --> 00:20:20.419
所谓异步训练

00:20:20.419 --> 00:20:22.239
其实主要指的是一些画图的工作

00:20:22.239 --> 00:20:24.019
和机器学习建模预测的一些工作

00:20:24.019 --> 00:20:25.779
然后机器学习和模型融合

00:20:25.779 --> 00:20:26.679
这个肯定也是要有的

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

00:20:29.139 --> 00:20:29.399
对不对

00:20:29.399 --> 00:20:30.399
然后出分析报告

00:20:30.399 --> 00:20:32.539
这条链路基本上就是我们现在

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

00:20:34.799 --> 00:20:37.199
其实现在很多的一些agent开发

00:20:37.199 --> 00:20:38.839
很多的一些这个数据分析项目

00:20:38.839 --> 00:20:40.479
基本上也是按照这样的一个链路

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

00:20:42.699 --> 00:20:43.999
那么有了这功能之后

00:20:43.999 --> 00:20:44.599
你会发现

00:20:44.599 --> 00:20:45.939
那这些功能如何实现

00:20:45.939 --> 00:20:46.959
基本上就是两层

00:20:46.959 --> 00:20:48.779
第一层我们说底层

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

00:20:51.639 --> 00:20:52.999
比如说你要有本地的数据库

00:20:52.999 --> 00:20:53.599
对不对

00:20:53.599 --> 00:20:55.839
你需要有这个项目隔离仓

00:20:55.839 --> 00:20:57.339
和这个血缘关系的这个梳理

00:20:57.339 --> 00:20:59.379
你需要有什么这个CircleLite

00:20:59.379 --> 00:21:01.339
去存储每一个数据集的这个原数据

00:21:01.339 --> 00:21:02.879
你还需要有独立项目空间和文件

00:21:02.879 --> 00:21:05.479
这东西其实是怎么说呢

00:21:05.479 --> 00:21:09.419
就是这东西倒不一定你需要跟Codex去说

00:21:09.419 --> 00:21:11.359
他其实很多时候自己能够梳理清楚

00:21:11.359 --> 00:21:13.059
就是你需要去跟他讲的更多的

00:21:13.059 --> 00:21:14.479
其实是上面这一层

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

00:21:17.059 --> 00:21:18.199
以及这所有的业务

00:21:18.199 --> 00:21:20.739
他需要完成到什么样的这个程度

00:21:20.739 --> 00:21:22.779
就比如说OK我们的这个分析报告

00:21:22.779 --> 00:21:23.959
写的什么程度

00:21:23.959 --> 00:21:25.439
然后我们的这个一步训练进程

00:21:25.439 --> 00:21:28.119
他需要做到什么样的程度等等

00:21:28.119 --> 00:21:31.399
然后至于说有了这些程度之后

00:21:31.399 --> 00:21:34.779
下面的很多的一些功能

00:21:34.779 --> 00:21:37.739
其实都可以由当前的agent或者kodex

00:21:37.739 --> 00:21:38.479
自己来去完成

00:21:38.479 --> 00:21:39.399
这个其实问题不大

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

00:21:42.319 --> 00:21:43.639
实际上是上面这些

00:21:43.639 --> 00:21:46.279
主要是agent的智能编排程

00:21:46.279 --> 00:21:49.239
就是比如说我们比如说模型

00:21:49.239 --> 00:21:52.279
或者最小的工具路由

00:21:52.279 --> 00:21:54.439
或者sgills这样的披露等等

00:21:54.439 --> 00:21:56.939
你需要有一整套完整的技术选型

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

00:22:00.139 --> 00:22:03.339
OK 差不多是这样的一个基本的架构

00:22:03.339 --> 00:22:05.819
所以我们说从架构当中

00:22:05.819 --> 00:22:07.019
你也能够看得出来

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

00:22:10.019 --> 00:22:12.039
其实比较重要的第一点

00:22:12.039 --> 00:22:14.259
其实倒不一定怎么说

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

00:22:17.919 --> 00:22:19.139
但是其实更加重要的是

00:22:19.139 --> 00:22:20.579
你需要非常清楚的知道

00:22:20.579 --> 00:22:23.299
我们当前的业务的意图是什么

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

00:22:27.959 --> 00:22:28.559
然后呢

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

00:22:33.059 --> 00:22:33.999
等等等等啊

00:22:33.999 --> 00:22:34.999
这些呢可能是

00:22:34.999 --> 00:22:35.259
哎

00:22:35.259 --> 00:22:35.959
放大一下

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

00:22:38.859 --> 00:22:39.519
然后呢

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

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

00:22:48.339 --> 00:22:48.539
哎

00:22:48.539 --> 00:22:50.939
你得做好哪一些技术这个选型

00:22:50.939 --> 00:22:51.559
对不对啊

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

00:22:53.479 --> 00:22:55.739
那么然后再往下才是啊

00:22:55.739 --> 00:22:57.079
你用着这个codex啊

00:22:57.079 --> 00:22:59.599
你用着这个这个deep seek啊

00:22:59.599 --> 00:23:00.499
这样的这个模型啊

00:23:00.499 --> 00:23:01.879
再来进行一轮一轮的开发啊

00:23:01.879 --> 00:23:02.419
是这么一回事

00:23:02.419 --> 00:23:02.859
好

00:23:02.859 --> 00:23:06.379
那么了解了我们当前整个系统

00:23:06.379 --> 00:23:09.759
那完整的一些基本的功能之后啊

00:23:09.759 --> 00:23:10.539
那么接下来啊

00:23:10.539 --> 00:23:12.039
就我们需要来看一看啊

00:23:12.039 --> 00:23:13.359
他到底应该呃

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

00:23:15.379 --> 00:23:16.032
到底是什么样的呢