扣子数据分析Agent从零构建与可视化实战指南

先交代一个背景：在日常业务中，分析师常需要快速从Excel、Word或PDF中提取数据、计算环比、识别异常，最后生成一份带交互图表的HTML报告。过去这类工作至少需要写一堆Python脚本，但现在借助扣子平台和DeepSeek大模型，可以在零代码环境下完成整个流程。下面把关键步骤拆开说清楚。

上传并解析原始文档

在工作流画布左上角点击“+节点”，选择“开始节点”。右侧配置面板里将“文件类型”设为“支持多格式（Excel/Word/PDF）”，并勾选“启用文件上传入口”。这一步必须开启上传入口，否则用户无法在对话界面提交文件——一旦关闭，整个流程就失去了数据来源，后续所有分析节点都会报错空输入。

上传成功后，系统自动生成一个名为file_url的变量，指向云端临时存储地址。注意：该链接有效期仅30分钟，务必在后续节点中立即使用，不可缓存或手动复制。

提取结构化表格数据

拖入“读取表格数据”插件节点，连接上一节点的输出箭头。在插件设置中，将“输入源”指定为file_url。如果原始文件包含多个Sheet，需要手动填入目标Sheet名（比如“销售明细”），留空则默认读取第一个Sheet。

这个插件能自动识别Excel的合并单元格、跳过空行，并把数值列转为数字类型而非字符串。不过，如果发现金额列显示为“¥12,345.00”这类带符号文本，说明未触发类型推断，此时需在字段映射里手动将该列设为“Number”类型。

用DeepSeek大模型执行智能分析

下面提供两种思路。

方法一：基础分析流
添加“大模型”节点，模型选择“DeepSeek-V2.5”，在提示词框中粘贴以下内容：

你是一名资深数据分析师。请基于以下表格数据，完成三件事：①计算各品类月度销售额环比变化率；②标出连续两月跌幅超15%的品类；③用中文总结核心风险点。输出严格为纯文本，禁用Markdown。

方法二：增强推理流
在同一“大模型”节点中，启用“工具调用”开关，绑定“Python代码执行”插件。此时在提示词末尾追加：“如需计算，请直接生成可运行的pandas代码，我将为你执行并返回结果。”

需要特别注意：启用工具调用后，模型输出可能包含代码块，系统会自动截取并执行——但代码中禁止使用os.system或subprocess等系统调用，否则执行会中断。

生成交互式HTML可视化报表

第一步：配置图表生成逻辑

添加“代码执行”节点，语言选“Python”，粘贴如下代码：

import plotly.express as px
df = {{input}}
fig = px.line(df, x='月份', y='销售额', color='品类', markers=True)
fig.update_layout(title="各品类月度销售额趋势")
html_content = fig.to_html(include_plotlyjs='cdn', full_html=False)

第二步：注入动态分析结论

在“代码执行”节点下方接一个“文本拼接”节点，将DeepSeek输出的中文结论与html_content变量用三行分隔符组合：

--- 分析结论 ---
{{deepseek_output}}
--- 可视化图表 ---
{{html_content}}

第三步：封装为可交付产物

最后接入“HTML响应”节点，将拼接后的完整内容设为输出体。该节点会自动启用CORS头，确保报表可嵌入企业内网页面或微信公众号WebView。

整个过程零代码，但每个节点的配置细节不容忽视。特别是文件上传入口的开启、链接的有效期、表格字段的类型推断，以及大模型提示词中的规范性要求——这些地方一旦疏忽，就会卡住整个流程。拿捏好这些要点，就能快速从原始文档直达交互式分析报表。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：扣子数据分析Agent从零构建与可视化实战指南要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题