Github 1.1K star，一款能看懂表格、建模型、自动出报告的神器，彻底解放你的双手！

项目背景

做数据分析的人，应该都经历过这样的时刻：Excel 打开崩溃、SQL 语句卡半天、模型调参像猜谜、报告一写就是半天……
如果你不是专业的数据科学家，面对一堆表格、CSV、代码、图表，更是头大。
过去我们有 ChatGPT，它能写文案、生成代码；但它还不能真正理解数据，不会自动清洗表格、不会建立模型、不会生成带图表的报告。
现在，中国人民大学的数据工程实验室（RUC Datalab）团队做了一件很酷的事：他们开源了一个项目，叫 DeepAnalyze。
这个项目想让 AI 变成一个真正的数据科学家，能看懂数据、能建模、能总结，还能自动生成一份漂亮的分析报告。
一句话概括：你只需要提供数据，剩下的事情交给 DeepAnalyze。

DeepAnalyze是什么？

DeepAnalyze 目前开源了模型、代码与训练数据，支持包括结构化（CSV、Excel）、半结构化（JSON、YAML）、非结构化（TXT、Markdown）等多种数据类型。 它能从数据到报告进行完整推理，甚至能在报告中呈现推理链条（Reasoning Trace），帮助用户理解 AI 是如何得出结论的。

核心亮点

• 自主推理与任务规划：DeepAnalyze 内置 Agent 框架，能像人类分析师一样规划任务、调用工具、检查结果、修正分析。
• 多模态数据输入：不仅支持表格，还能理解 JSON、文本文档等多种数据格式，实现跨源分析。
• 自动化分析报告生成：生成的报告内容包括数据摘要、建模思路、图表可视化和结论总结。
• 完全开源可训练：用户可在本地自定义训练模型，支持从头微调或基于已有权重二次开发。
• 可解释性强：DeepAnalyze 输出的不只是结果，还包括完整的“思考路径”（reasoning process）。

快速上手

环境准备

# 克隆仓库 
git clone https://github.com/ruc-datalab/DeepAnalyze.git cd DeepAnalyze 
# 安装依赖 
pip install torch==2.6.0 transformers==4.53.2 vllm==0.8.5

启动演示界面

cd demo/chat 
npm install 
bash start.sh

浏览器访问 http://localhost:4000，即可进入交互式 AI 数据科学界面。

Python 调用示例

from deepanalyze import DeepAnalyzeVLLM
 
prompt = """# Instruction
Generate a data science report.
# Data
File 1: {"name": "student_loan.xlsx"}"""
 
workspace = "/example/student_loan/"
deepanalyze = DeepAnalyzeVLLM("/checkpoints/deepanalyze-8b/")
result = deepanalyze.generate(prompt, workspace=workspace)
 
print(result["reasoning"])
 

几行代码即可让模型自动读取数据、执行分析并生成报告。

开放 API 与二次开发

对于开发者和科研人员，DeepAnalyze 提供了清晰的 API 接口：

from deepanalyze import DeepAnalyzeVLLM
 
deepanalyze = DeepAnalyzeVLLM("path/to/checkpoints")
response = deepanalyze.generate(
    prompt="Analyze patient medical data and summarize insights.",
    workspace="/data/medical/"
)
print(response["report"])
 

技术原理与架构设计

DeepAnalyze 的底层设计可以概括为“三层智能架构”：

• Agentic Framework
  核心思想是让 LLM 拥有“自我规划”与“行动执行”的能力。 模型在接收任务后会自动分解成子任务（如数据清洗、建模、绘图、总结），并依次完成。
• DeepAnalyze-8B 模型
  基于 80 亿参数的自研大模型，在数据科学任务上进行专门微调，优化其表格理解与统计推理能力。
• Curriculum-based Training
  采用“课程式”分阶段训练，从简单的数据描述任务逐步过渡到复杂的数据分析和报告生成，让模型具备稳定的任务执行能力。

总结

在 AI 写代码、写文案已经不稀奇的今天，DeepAnalyze 迈出了更具想象力的一步，它让 AI 不止会“说”，还会“分析”，能真正理解数据、建模、推理、汇报结果。也许现在的 DeepAnalyze 还不完美，但它展示了一个清晰的方向：未来，数据分析不再是少数人的特权，而会成为每个人都能触及的智能能力。当 AI 能替我们完成繁琐的统计和建模，我们就能把更多时间，花在“思考问题”和“做决策”上。

项目地址

项目地址点击下方原文链接：

🚀原文地址https://gegeblog.top/article/33