AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


手把手教你使用AI 智能体,成为Excel数据图表大师
发布日期:2024-08-28 12:45:59 浏览次数: 1613



大家好,我是尼克,一个 AI 实战派,致力于智能体开发及 AI 工具探索。
本文分为三个部分:
第一部分 基于 BI(数据可视化平台)业务,聊一下传统互联网平台项目与 AI 项目的差异?
第二部分 通过一个实际案例,手把手教大家打造一个数据可视化智能体(COZE
第三部分 聊一聊AI Agent 的能力边界和想象空间
Ok, let's go
一. 传统业务模型与 Ai 业务模型的对比
当下的数据平台一般基于用户现有数据,通过在后台进行组件拖拽拼装完成对数据的抽离和可视化
这种业务模型,需要用户将内部数据提前与平台打通,并通过平台规则建立绑定关系,在组件面板 DIY图表样式。
这种业务模式的优点:
  1. 呈现效果高度可控
  2. 数据精准

缺点:
  1. 用户有一定的学习成本
  2. 对用户数据有一定侵入性
  3. 价格不菲

那用智能体做数据分析会有怎样的不同呢?先把效果给大家看下


不需要太多前置工作,只需要将数据扔给智能体,输入你的需求,就可以快速的获取分析图表,真正做到用完即走;同时依托大模型的灵活性,我们可以通过对话的形式,满足更多维度的分析诉求。
传统的业务模型是人家有啥你就用啥
AI 项目是你想用啥它就提供啥
二. 案例实操
现在我们进入实操环节,先描述一下我们预设的业务:
痛点:用户有一大坨销售数据,很多列很多行,如果用excel 自带工具做分析 做图表 有一定的学习成本且无法完成对数据的洞察
解决方案:
1. 智能体读取用户数据及用户需求
2. 通过大模型的能力对数据进行洞察,并对数据进行格式化
3. 使用插件帮助用户呈现图表,并提供数据分析
好了,我们的方案设计有了,开始动手搭建智能体,这里我们还是使用 coze。
1)首先建立一个 bot,并输入描述业务的提示词
2)添加插件,使得智能体具备读取 excel 的能力及生成图表的能力
通过插件我们可以将提取的数据呈现为 饼图、折线图、柱状图、散点图和雷达图
3)模型选择和配置
通过多轮调试,发现 moonshot-128k 的效果最好,智谱的 GLM-4 最差。打开长期记忆,便于数据在对话间传递。
4)调试
我这里用程序做了一份假数据,以方便我测试业务效果。
有数据后,开始调试,将 excel 文档扔进对话框,并输入分析诉求。


OK,这样一个可以帮助用户分析数据并提供图表的智能体算是完成了,
大家感觉效果。
我觉得以如此低的开发成本实现这样一个业务还是蛮有性价比的。
. 能力边界和想象空间
在智能体的制作和调试过程中,尼克也发现了一些问题:
1)大模型的能力制约,尼克在调试初期,做了一份 200 行的假数据,看上去好像不多,但是实际输入时显示有 1W+tokens 的消耗,这会导致大模型频繁报错,后来将数据缩减至 50 行后,基本可以稳定输出,如果后续面向真实用户的百行千行数据,可能要选用比 moonshot-128k 算力更高的模型,才能保证用户体验。
2)插件生态不完善,coze 提供的插件能力参差不齐,需要花时间测试可用性,而且由于 coze 的插件是以第三方 api 的方式提供服务,所以在响应速度也不尽如人意,如果想要快且准,还是要通过程序解决。
当然 coze 目前仍然处于建设期,各方面功能还在不断完善。
说完问题,再聊聊诗和远方:
1)更灵活的服务,AI 的灵活性可以将过往的业务模型进行升维,满足用户更多元的需求,而不仅仅是限定好的功能和服务。
2)更快的产品迭代 coze 智能体可以快速地完成一个业务的 MVP,通过字节和微信生态尽早的让应用面向用户,下图是已经发布到飞书的应用。
好了,尼克的分享到这里就结束了,感谢您耐心的阅读,不知道您是否收获或者疑问呢,我们可以在留言区进行更深入的交流


53AI,企业落地应用大模型首选服务商

产品:大模型应用平台+智能体定制开发+落地咨询服务

承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

与创始人交个朋友

回到顶部

 
扫码咨询