今天来聊聊LLM能否取代数据分析师的工作？数据分析到底是啥。简单来说，就是帮助产品团队基于数据做出正确决策。从描述性分析到预测性分析，再到规范性分析，每一步都至关重要。但要让LLM成为数据分析师，我们得从基础做起，先让LLM学会处理描述性分析和报告任务。

接下来，我们聊聊LLM Agent和工具的概念。想象一下，如果LLM能够像真正的分析师一样，根据需要选择使用不同的工具，那会是怎样的体验？这就是我们要探索的——让LLM成为一个能够自主选择行动方案的智能体。

我们用OpenAI的函数作为工具，让LLM能够执行SQL查询、使用计算器或者调用搜索引擎等操作。这些工具让LLM能够与现实世界互动，极大地扩展了它的能力。

举个例子，我们教LLM如何使用一个计算两个指标之间百分比差异的工具。首先，我们定义了一个工具函数，并用@tool装饰器标记。然后，我们把这个工具转换成OpenAI函数，这样LLM就知道如何使用它了。

class Metrics(BaseModel):
    metric1: float = Field(description="基础指标"
    metric2: float = Field(description="基于基础指标计算差异的相对指标")

@tool(args_schema=Metrics)
def percentage_difference(metric1: float, metric2: float) -> float:
    """计算两个指标之间的差异百分比"""
    return (metric2 - metric1)/metric1*100

使用langchain，我们就可以得到可以作为openai api函数参数的描述

from langchain.tools.render import format_tool_to_openai_function
print(format_tool_to_openai_function(percentage_difference))

这里我们继续定义2个新的工具，获取指定月份的用户数量以及查询维基百科

import datetime
import random

class Filters(BaseModel):
    month: str = Field(description="月份，格式为%Y-%m-%d")
    city: Optional[str] = Field(description="客户的居住城市（默认不筛选）", 
                    enum = ["上海", "武汉", "北京", "深圳"])

@tool(args_schema=Filters)
def get_monthly_active_users(month: str, city: str = None) -> int:
    """返回指定月份的活跃用户数量"""
    dt = datetime.datetime.strptime(month, '%Y-%m-%d')
    total = dt.year + 10*dt.month
    if city is None:
        return total
    else:
        return int(total*random.random())
        
import wikipedia

class Wikipedia(BaseModel):
    term: str = Field(description="查询的词条")

@tool(args_schema=Wikipedia)
def get_summary(term: str) -> str:
    """返回维基百科提供的关于给定词条的信息"""
    return wikipedia.summary(term)

然后，我们构建一个名为analyst_chain的处理流程，它可以接受用户请求，调用适当的工具，并返回结果。比如，用户问“2023年4月上海的用户数量是多少？”我们的LLM就能调用get_monthly_active_users工具，得到准确的数据。

toolkit = {
    'percentage_difference': percentage_difference,
    'get_monthly_active_users': get_monthly_active_users,
    'get_summary': get_summary
}

analyst_functions = [format_tool_to_openai_function(f) 
  for f in toolkit.values()]
  
from langchain.prompts import MessagesPlaceholder

model = ChatOpenAI(temperature=0.1, model = 'gpt-4-1106-preview')\
  .bind(functions = analyst_functions)

prompt = ChatPromptTemplate.from_messages([
    ("system", "你是一名产品分析师，愿意帮助你的产品团队。你非常严谨且准确。你只使用初始请求中提供的信息。如果你需要确定某些信息，例如省会的名称，你可以使用维基百科。"),
    ("user", "{request}"),
    MessagesPlaceholder(variable_name="observations")
])

analyst_chain = prompt | model | OpenAIFunctionsAgentOutputParser()

更复杂的是，如果用户问“2023年4月和5月，广东省会的用户数量变化了多少？”我们的LLM需要先查询Wikipedia找到广东省会（深圳），然后分别获取4月和5月的用户数据，最后计算这两个月之间的用户数量变化百分比。这一系列操作展示了LLM如何使用多个工具进行逻辑推理。

result1 = analyst_chain.invoke({
    'request': "2023年4月和5月，广东省会的用户数量变化了多少？",
    "observations": []
})

observation1 = toolkit[result1.tool](result1.tool_input)
print(observation1)


result2 = analyst_chain.invoke({
    'request': "2023年4月和5月，广东省会的用户数量变化了多少？",
    "observations": format_to_openai_functions([(result1, observation1)])
})
...

通过这些实践，我们发现LLM在处理复杂问题时，能够合理地调用不同的工具，按照逻辑步骤逐步解决问题。虽然目前这个原型还很基础，远远达不到初级数据分析师的水平，但这只是个开始。未来，我们将继续探索LLM Agent的更多可能性，甚至让它们能够访问数据库，回答更基础的问题。