Ada推出基于CSV/Excel的AI商业智能软件

背景

传统商业智能（BI）工具往往需要复杂的配置和专业技能，才能从表格数据中生成可操作的洞察。对于运营人员或非技术用户来说，上传一份 CSV 或 Excel 文件后，通常只能得到图表，而无法直接获得异常检测、趋势预测、归因分析以及下一步行动建议。与此同时，大语言模型（LLM）驱动的聊天机器人虽然能生成流畅的文字，但难以审计其推理过程，且用户数据可能被直接送入模型。在此背景下，开源项目 Ada 应运而生，旨在填补“零配置”与“可审计性”之间的空白。

核心内容

Ada 是一个开源自动化数据分析工具，专为不想配置 BI 工具但又需要答案的运营人员设计。用户只需上传 CSV、XLSX 或 XLSM 文件，Ada 会自动完成以下流程：

• 清洗数据、推断数据类型；
• 检测业务模式（识别指标、日期、分段、ID 等字段）；
• 创建交互式 Plotly 仪表盘；
• 标记异常时间段；
• 生成带保守基线的预测（含不确定性区间）；
• 解释实质性变化；
• 推荐下一步应调查的方向；
• 回答关于数据的自然语言问题，并展示每个回答背后的计算过程。

核心设计理念是：即使首次使用，用户也能上传电子表格并理解业务中发生了什么。异常、预测、驱动因素和证据始终保持可检查状态，而不是隐藏在生成的散文背后。

Ada 将分析结果分为四层明确展现：

• 每张证据卡片和聊天回答都暴露其计算过程；
• 无论是否配置 AI 模型，确定性产品本身即具有权威性。

工作流程可用流程图概括：

1. 上传 CSV 或 Excel 工作表 → 2. 清洗和推断类型 → 3. 检测指标、日期、分段、ID → 4. 计算证据、异常和预测 → 5. 生成仪表盘、执行摘要和下钻分析。另有一个可选的 AI 查询规划器分支（仅在规则无法解析时用于模式+问题），以及一个可选的 AI 战略解读分支（仅接收计算出的证据）。

Ada 自动寻找以下内容：

• 主要结果指标（如 revenue, sales, profit, cost, amount, units）；
• 时间字段（用于时期变动、异常检测和基线预测）；
• 有用的分段字段（如 product, category, channel, region, customer, status）；
• 标识符、缺失值、离群点、集中度和数值关系；
• 有最强证据支持的下一步调查建议（与观察事实分离）。

如果源模式不寻常，用户可以覆盖检测到的指标、日期和分段，而无需重建仪表盘，还可将整个分析下钻到某个单一分段切片。

主要功能列表：

• 零配置的 CSV 和 Excel 分析，包含内置合成演示数据；
• “Ask Ada”自然语言提问（支持总计、排名、细分、趋势、增长、计数、时间和分段过滤），本地回答并显示计算；
• 异常雷达：在稳健趋势线带之外的时间段会在图表、证据账本和推荐行动中标记；
• 带月季节性的保守基线预测，包含不确定性区间，并在图表旁显示回测误差；
• 下钻聚焦：分析一个分段值后自动按下一个有用维度重新分组；
• 变动瀑布图：按分段调和最新变化，以及分段按时间的热力图；
• 多工作表 Excel 工作簿选择器；
• 保守的清洗、类型推断、重复删除和可见的清洗审计；
• 执行摘要标题、四个业务 KPI 和自然语言简报；
• 证据账本，每个显示信号背后都有计算过程；
• 优先推荐，链接到确定性证据；
• 可选的 AI 查询规划器和结构化策略综合（使用 OpenAI Responses API）；
• 可下载的 Markdown 执行摘要和清洗后的 CSV；
• 为非技术用户设计的响应式 Streamlit 界面；
• 文件大小限制和行数上限，以保证托管性能可预测。

Ada 完全可以在没有 API 密钥的情况下工作。在确定性模式下，不进行任何模型调用——包括所有“Ask Ada”中基于规则解析器能自行规划的回答。当提供 API 密钥时，会启用两个狭窄的模型调用（均类型化并在同一本地引擎上执行）：

• 查询规划器：仅当确定性解析器无法理解问题时使用。它接收列模式（名称、类型、角色）和问题本身，输出一个类型化的 QueryPlan，然后 Ada 本地执行该计划。无法解析的计划会被拒绝而非猜测，AI 规划的回答会被标记。
• 战略解读：仅接收计算出的模式、摘要、证据卡片、推荐和用户提供的上下文。

两个调用都不会将上传的行或单元格值放入模型提示中。回答必须符合类型化的 Pydantic 模式，请求禁用存储，并使用哈希匿名会话标识符用于安全控制。默认模型是 gpt-5.6-luna（低推理，用于高效战略解读），可选 gpt-5.6-terra（中等推理，用于模棱两可的情况）。模型调用通过按钮触发，并按证据载荷缓存，避免意外消耗。

有关完整的数据处理和安全策略，请参阅 SECURITY.md。代码库偏好纯分析函数，在模型边界使用依赖注入，使业务引擎无需 Streamlit、网络访问或 API 额度即可测试。

安装与运行：

git clone https://github.com/saineshnakra/automated-data-analyst.git
cd automated-data-analyst
python -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
streamlit run app.py

无需密钥。访问者可以在会话侧边栏字段中输入自己的 API 密钥。受信任的私有部署可以通过环境变量或 .streamlit/secrets.toml 设置 OPENAI_API_KEY。注意不要提交该文件（已在 .gitignore 中）。在公共部署中避免使用所有者出资的密钥，除非同时添加认证和消费控制。

开发测试：

python -m pip install -r requirements-dev.txt
ruff check .
python -m unittest discover -s tests -v

GitHub Actions 在每次推送和 PR 时运行 lint、完整测试套件和字节码编译。

关键要点

• 数据隐私：所有清洗、模式检测、图表、证据卡片和“Ask Ada”回答均在本地用 pandas 计算。如果选择使用 AI 层，仅发送列模式和计算出的证据，绝不发送行或单元格值。
• 无需 API 密钥：Ada 可以完全在确定性模式下运行，无需任何 AI 模型调用。密钥仅用于查询规划器回退和战略叙事。
• 支持格式：CSV（逗号、分号、制表符分隔）、XLSX、XLSM，包括从多工作表工作簿中选择特定工作表。
• 与聊天机器人的区别：聊天机器人给出流畅但难以审计的文本，且用户数据成为提示的一部分。Ada 将问题转换为显式查询计划，用 pandas 在本地执行，并在每个答案下打印计算过程。
• 可自托管：标准 Streamlit 应用，pip install -r requirements.txt && streamlit run app.py，或部署到任何运行 Python 的主机。
• 贡献指南：欢迎围绕确定性指标、Ask ADA 的问题形状、模式检测固定装置、图表可访问性、文件格式和对抗性测试数据集做出贡献。每个新推荐应包含测试和支撑计算。
• 安全策略：两种 AI 调用均不暴露原始数据，回答受类型化模式约束，存储禁用，会话标识符匿名哈希。

意义与影响

Ada 的创新之处在于将“零配置”与“可审计性”结合，打破了传统 BI 工具的高门槛和 LLM 聊天机器人的黑箱问题。它让非技术用户能够直接上传业务表格，立即获得包含异常、预测、归因和行动建议的完整分析，同时所有计算过程透明可见。这种“确定性分析为主、AI 辅助为辅”的架构，既保证了核心功能的可靠性和可解释性，又通过