{"repo":"fafa-ai-data-lab/ai-data-analyst-agent","free":true,"listed":false,"github":"https://github.com/fafa-ai-data-lab/ai-data-analyst-agent","clone":"git clone https://github.com/fafa-ai-data-lab/ai-data-analyst-agent.git","description":"Methodology + templates for a trustworthy, traceable, self-growing AI data-analyst agent: metrics-first, independent read-only validation, and a self-growing rule library.","language":null,"stars":39,"topics":["ai-agent","claude","data-analysis","data-validation","llm","methodology","prompt-engineering","sql"],"license":"MIT","category":"ai-agents","readme_excerpt":"AI Data-Analyst Agent — 方法论 + 模板 🌐 Language: 中文 · English 一套把「数据分析师」工作流固化进 AI agent（Claude Code / Cursor / 任意支持 system prompt + skill 的 harness）的方法论与可复用模板。 这个仓库 不包含任何业务数据、内部表名、口径或个人信息 。它开源的是「骨架」——让一个 AI agent 做数据分析时 可信、可追溯、随用随长 的机制；业务「填充」（你的表、你的指标口径、你的踩坑库）由你按模板自己积累。 --- 为什么是这三件事 大多数人给 agent 写 prompt 是「告诉它怎么做」。真正让数据 agent 可用的，是三个工程化机制： 1. 口径先行（Metric Store / 语义层） 出任何一个数比口径定义优先。指标只有 单一权威定义 ，agent 出数前先查 registry，而不是凭对话上下文临时拼。 → methodology/metric-store.md 2. 独立校验（Self-assessment is unreliable） agent 自己写的 SQL / 报告， 不能自己判断对不对 。校验必须交给一个 物理只读、无写权限、独立加载规则 的 validator agent。这条直接对应 Anthropic 的 harness 设计原则：自评有偏差，验证必须分离。 → skills/data-validator/ 3. 随用随长的规则库（Correction → Rule） 每被纠正一次错误，就 追加一条带编号的规则 ，下次自动命中。规则库不是一次写死，而是随着踩坑单调增长。配合「覆盖盲区检测」——每次校验都主动报告「规则库没覆盖的新场景」让人决策是否沉淀。 → skills/data-validator/SKILL.md 的维护机制 外加一条贯穿全程的产出纪律： 4. 数据溯源 Footer（Provenance） 每个交付的数字都要能回答「口径来自哪一层、数据多新、源表是什么、谁校验的」。 → methodology/provenance-footer.md --- 仓库结构 --- 怎么用（落地三步） 1. 填人设 ：复制 persona/CLAUDE.template.md 成你的 CLAUDE.md ，把 {{...}} 占位符替换成你自己的身份/产品/工具。 2. 装校验 ：把 skills/data-validator/ 整个搬进你的 agent skill 目录。通用规则（sanity / abtest / report-style）开箱即用；业务规则（字段坑、口径）按 TEMPLATE.md + examples/ 自己积累。 3. 建口径 ：照 methodology/metric-store.md 给你最常用的 5–10 个指标建 registry，出数前强制查。 --- 这个仓库刻意 不给 什么 - 不给具体表名 / 字段名 / 库名 —— 这些是你的数仓资产，用占位符 代替。 - 不给业务口径 —— 收入怎么算、留存怎么定义，每家不同。给的是「口径要单一权威」这个机制和模板。 - 不给已踩过的具体坑 —— 字段坑、ETL bug 回归这些是高度业务相关的；给的是「踩坑后怎么固化成规则」的格式（ TEMPLATE.md ）和 1 条脱敏示例。 换句话说：你抄走的是方法论和骨架，不是别人的表。 --- License MIT。随便用、改、商用，出问题自己负责。","default_branch":null,"files":null,"tree":[],"storefront":"/r/fafa-ai-data-lab","claimed":false,"request_supported":{"post":"https://gitbuyer.com/r/fafa-ai-data-lab/ai-data-analyst-agent/request-supported","requests":0},"note":"indexed from public GitHub; nothing is for sale on this page. Clone it from GitHub. Paid listings live at /search."}