# 影片筆記：DeepSeek V4正式版+Codex工业Agent开发实战！从零手搓AI数据分析Agent，Responses API调用流程与Codex核心功能详解！ p07 07.【实战】AI数据分析系统开发实战（下）

## 一句話總結

本段內容詳細闡述了 AI 數據分析系統的開發思路，強調業務理解與產品設計的重要性，介紹了基於 Deep Agents 框架與 Canvas 架構的工業級報告生成方案，並推廣了涵蓋多個階段的 Agent 開發實戰課程及專屬產品 Fu-Fi Agent。

## 核心重點

1.  **開發思維與痛點**：
    *   開發複雜 AI 項目時，業務理解與產品設計優先於工具選擇。
    *   若缺乏對業務真實需求的理解，容易產出「漂亮的垃圾」。
    *   需理清用戶看到的「事件流」與系統真實狀態的匹配關係。

2.  **技術架構與數據策略**：
    *   **Agent 框架**：首選 Deepseek 生態中的 **Deep Agents**，具備便捷加載 Skill、技藝系統及本地技術的能力。
    *   **數據管理**：建立「數據基線」防止原始數據偏移；採用「業務知識分治」策略（如 SKU 策略或知識庫系統）處理行業黑話。
    *   **工具鏈**：提供 NL2 SQL、NL2 Python 等工具，並封裝為 Skill。

3.  **產品設計（Canvas 架構）**：
    *   參考 Gemini 的 Canvas 功能，實現代碼實時修改與前端頁面即時變化。
    *   解決工業級報告難以一步到位的問題，支持多版本迭代、回溯（Rollback）及 Checkpoint 機制。
    *   通過上下文加載、記憶回滾及即時拼接新上下文，確保 Agent 運行的穩定性。

4.  **課程與產品推廣**：
    *   推廣由三位老師主講的「大模型 Agent 應用開發實戰課」，涵蓋 6 個階段，總計 100+ 小時。
    *   贈送專屬產品 **Fu-Fi Agent**（複翻 Agent），擁有百萬字知識庫及 400+ Skill，支持在線實操與本地部署。
    *   預告第 39 期將新增 Deepseek V4、K3 等模型內容。

## 詳細大綱

### I. AI 數據分析系統開發思路梳理
1.  **項目難點與思考前置**
    *   從基本業務背景梳理開始，逐步完成開發。
    *   強調用戶看到的「事件流」與系統真實狀態的匹配關係需在腦中想清楚。
    *   業務理解與產品理解比工具選擇更重要，避免產出「漂亮的垃圾」。
2.  **數據與知識管理策略**
    *   **數據基線**：建立基線以防止每次分析修改原始數據導致數據偏移及後續分析不穩。
    *   **業務知識分治**：
        *   針對行業黑話或專業術語，可選擇知識庫系統靈活查閱。
        *   或採用輕量級系統，使用 SKU 策略在分析任務中靈活加載所需黑話。

### II. 核心技術選型與架構設計
1.  **Agent 框架選擇**
    *   首選 **Long Chain** 生態中的 **Deep Agents**。
    *   優勢：開發便捷，幾行代碼即可完成 Skill、技藝系統、本地技術、永久技藝的加載。
2.  **工具鏈與 Skill 體系**
    *   提供完整數據分析工具集：NL2 SQL、NL2 Python。
    *   細分功能工具：可視化探索、特徵工程、分類回歸建模、模型融合等。
    *   將工具封裝為 Skill，建立完整的 Skill 管理體系。

### III. 數據分析報告產品設計（Canvas 架構）
1.  **報告生成的挑戰**
    *   工業級報告難以一步到位，需多輪迭代與不斷修改。
    *   需將多輪修改後的報告加載至當前對話上下文，以便 Agent 進行修改。
2.  **前端展示與回溯機制**
    *   修改後需在前端具體呈現。
    *   支持過往版本回溯（Rollback）。
    *   涉及 Checkpoint 機制：根據基線重新誕生新記憶，配合對話記憶回滾。
    *   若報告回滾但對話未回滾，需即時拼接新上下文供 Agent 運行。
3.  **Canvas 功能實現**
    *   參考 Gemini 的 Canvas 功能。
    *   實時修改代碼，前端頁面與展示形態隨之變化。
    *   支持多版本回溯：每次修改生成新版本，可回滾至任意版本並繼續修改。

### IV. 開發流程與 Codex 應用
1.  **需求文檔與技術選型**
    *   提供完整的產品功能需求文檔及核心技術選型文檔。
    *   技術選型圍繞 **Deepseek** 及 **Deepseek VS 正式版** 模型。
2.  **Codex 的使用邏輯**
    *   將需求文檔與技術選型丟給 **Codex** 進行生成。
    *   開發者需先在腦中成型知識，才能與 Codex 有效對話。
    *   提及架構判別清單等科外延展讀物。

### V. 課程推廣與產品介紹
1.  **大模型 Agent 應用開發實戰課介紹**
    *   **講師團隊**：講者本人、沐浩老師、志杰老師。
    *   **課程規模**：100+ 小時體系大課，針對零基础入門及工業級開發。
    *   **薪資目標**：針對大廠 Agent 開發崗位，年薪 50 萬級別。
    *   **課程階段劃分**：
        *   Stage 1：Agent 開發入門（算法、編程、大模型基礎，贈送內容）。
        *   Stage 2：主流智能體實戰（Cloud Code, Codex, Open Cloud, Hermers Agent）。
        *   Stage 3：AI 全站產品開發入門（需求梳理、市場調研、Web Design、Web Coding）。
        *   Stage 4：Agent 開發能力與 FDE 業務理解提升（Cose, Define, N8N, REC 框架, 運行式框架, Harness 框架, 七項核心能力：Agent 管理, Agentic REC, 記憶管理, 駕馭工程, 商業工程, 多智能體協作, 高效微調）。
        *   Stage 5：Agent 部署上線（技術理論, 步驟上線, 容器化編排, 追蹤運維, 評估優化）。
        *   Stage 6：Web Coding 頂尖技巧（文檔驅動開發, Agent 自制循環, 多智能體協同, AI 自動化任務）。
        *   Stage 7：40+ 案例開發時代（AI 數據員工, 法律, 自媒体運營, AI 編程, 通用智能體, 智能客服, 數據分析, 金融分析）。
2.  **專屬產品：Fu-Fi Agent（複翻 Agent）**
    *   **定位**：第 38 期學員專屬贈品，團隊大模型 Agent 開發知識的沉澱。
    *   **功能**：
        *   百萬字複雜知識庫，融合 400+ 類型 Skill。
        *   輔助學習：同步 38 期課件，AI 九天老師 24 小時答疑，學習路徑規劃與能力測試。
        *   輔助開發：一鍵部署課程項目模板，支持項目遷移與二次開發，支持命令行完成複雜 Agent 開發。
        *   支持上傳個人知識庫，Skill 可本地下載適配 Cloud Code 或 Codex，支持在線運行。
        *   持續更新，支持本地部署。
    *   **定價與優惠**：
        *   第 39 期起收費 1000 元/期。
        *   第 38 期尾單免費贈送，享有最低特價及半價優惠。
        *   報名即贈送 Fu-Fi Agent，並解鎖 38、39 期及全部未來內容。
3.  **其他課程介紹**
    *   AI 編程課。
    *   Open Cloud 應用課。
    *   大模型原理與訓練實戰課（Transformer 原理，開源大模型底層訓練策略）。

## 工具 / 模型 / 名詞整理

*   **模型/技術名稱**：
    *   Deepseek
    *   Deepseek VS 正式版
    *   Deepseek V4
    *   K3
    *   Deepseek Hardiness Agent (疑點：聽似此名稱，需查證)
    *   GPT6
    *   Transformer
*   **開發框架/平台**：
    *   Long Chain (原文提及，疑點：通常指 LangChain，但需查證)
    *   Deep Agents (原文提及，疑點：需查證具體指代)
    *   Codex
    *   Cloud Code (原文提及，疑點：通常指 Claude Code，但需查證)
    *   Open Cloud (原文提及，疑點：需查證)
    *   Hermers Agent (疑點：需查證，可能為 Hermes Agent)
    *   Cose (疑點：需查證，可能指 CrewAI 或其他框架)
    *   Define (疑點：需查證)
    *   N8N
    *   REC 框架
    *   運行式框架
    *   Harness 框架
*   **產品/功能名稱**：
    *   Fu-Fi Agent (或稱複翻 Agent)
    *   Agent Playground (複翻 AI 社區模塊)
    *   Gemini Canvas (或稱 Canvas)
    *   E-Chast (疑點：需查證，可能指 ECharts)
    *   AI 九天老師
*   **概念/術語**：
    *   NL2 SQL
    *   NL2 Python
    *   Skill (技藝/技能)
    *   SKU 策略
    *   數據基線
    *   業務知識分治
    *   Checkpoint (檢查點)
    *   FDE (疑點：需查證，可能指 Frontend Developer 或其他縮寫)
    *   Web Design
    *   Web Coding
    *   Agentic REC (疑點：需查證)
    *   駕馭工程 (疑點：需查證，可能指 Prompt Engineering 或其他)
    *   商業工程 (疑點：需查證)

## 操作流程整理

1.  **業務梳理與需求分析**：
    *   從基本業務背景開始梳理。
    *   理清用戶「事件流」與系統真實狀態的匹配關係。
    *   明確業務需求，避免產出「漂亮的垃圾」。
2.  **數據與知識準備**：
    *   建立數據基線，防止數據偏移。
    *   實施業務知識分治，通過知識庫或 SKU 策略處理行業黑話。
3.  **技術選型與框架搭建**：
    *   選擇 Deep Agents 作為 Agent 組織與運行核心。
    *   加載 Skill、技藝系統及本地技術。
    *   封裝 NL2 SQL、NL2 Python 等工具為 Skill。
4.  **報告生成與迭代（Canvas 模式）**：
    *   將需求文檔與技術選型丟給 Codex 生成初稿。
    *   利用 Canvas 架構進行代碼實時修改。
    *   前端頁面隨代碼變化即時更新。
    *   通過 Checkpoint 機制保存版本，支持多版本回溯與記憶回滾。
    *   若報告回滾，即時拼接新上下文供 Agent 繼續運行。
5.  **課程學習與產品應用**：
    *   報名實戰課，獲取 Fu-Fi Agent 贈品。
    *   利用 Fu-Fi Agent 的百萬字知識庫與 Skill 進行輔助學習與開發。
    *   通過命令行或一鍵部署功能進行項目遷移與二次開發。

## 值得注意的限制或風險

1.  **業務理解缺失風險**：若開發者缺乏對業務真實需求的理解，僅依賴工具，容易產出「漂亮的垃圾」，即形式精美但無實際業務價值的產品。
2.  **數據偏移風險**：若未建立數據基線，每次分析修改原始數據會導致數據偏移，進而影響後續分析的穩定性。
3.  **報告一步到位的困難**：工業級報告難以一步到位，必須依賴多輪迭代與不斷修改，這對系統的上下文管理與回溯機制提出了較高要求。
4.  **技術選型的不確定性**：影片中提及的多個技術名稱（如 Long Chain, Deep Agents, Hermers Agent 等）存在辨識疑點，實際應用時需確認其準確性與兼容性。

## 逐字稿辨識疑點

*   **Long Chain**：逐字稿中提及「long chain 整個技術生態」，通常業界標準為 LangChain，但根據規則標為疑點。
*   **Deep Agents**：逐字稿中提及「deep agents」，需查證是否為特定開源項目或口誤。
*   **Hermers Agent**：逐字稿中提及，需查證正確名稱。
*   **Cloud Code**：逐字稿中多次提及，需查證是否指 Anthropic 的 Claude Code 或其他產品。
*   **Open Cloud**：逐字稿中提及，需查證正確名稱。
*   **Cose**：在 Stage 4 框架列表中提及，需查證正確名稱。
*   **Define**：在 Stage 4 框架列表中提及，需查證正確名稱。
*   **Agentic REC**：在 Stage 4 核心能力中提及，需查證正確名稱。
*   **駕馭工程**：在 Stage 4 核心能力中提及，需查證是否為「Prompt Engineering」或其他術語的聽寫錯誤。
*   **商業工程**：在 Stage 4 核心能力中提及，需查證正確名稱。
*   **E-Chast**：在描述前端交互列表時提及，需查證是否為 ECharts 或其他庫。
*   **FDE**：逐字稿中提及「FDE 這樣的工作」、「FDE 的前端部署」，需查證縮寫含義。
*   **Deepseek Hardiness Agent**：在預告 39 期內容時提及，需查證正確名稱。
*   **Fu-Fi Agent / 複翻 Agent**：逐字稿中交替使用，需確認產品正式名稱。
*   **AI 九天老師**：逐字稿中提及，需查證是否為特定 AI 助手名稱。

## 可延伸追問

1.  **技術名稱確認**：影片中提到的「Long Chain」、「Deep Agents」、「Hermers Agent」、「Cloud Code」、「Open Cloud」、「Cose」、「Define」等具體指代何種開源項目或商業產品？
2.  **Canvas 架構實現細節**：如何具體實現 Checkpoint 機制與記憶回滾？在報告回滾但對話未回滾的情況下，系統如何自動拼接新上下文？
3.  **業務知識分治策略**：SKU 策略在實際代碼中是如何實現的？如何動態加載所需的行業黑話？
4.  **Fu-Fi Agent 功能細節**：該產品如何支持 Skill 的本地下載與適配？在線運行與本地部署的具體區別與優勢為何？
5.  **課程內容詳情**：Stage 4 中提到的「七項核心能力」具體包含哪些內容？「駕馭工程」與「商業工程」的具體定義是什麼？