数据分析 Agent · Agent 框架

让每个数字,
都经得起追问

把一个模糊的业务问题,收束成可信、可追溯的答案——也是我对 Agent 的理解。

01

它是什么

一个运行在飞书里的数据分析 Agent

用户提出问题后,它会自己寻找口径和数据、调用查询与计算工具、验证结果,并把结论和完整报告重新交付到飞书。

产品数据分析 Agent 运行框架
运行框架:飞书入口 → GPT 理解规划执行验证 → 记忆与业务知识 → 受规则约束的工具调用
02

任务执行链路

一次完整任务如何执行

从自然语言问题,到数据分析、报告验证与飞书交付:证据不足就修改查询、脚本或参数后继续;停止条件是口径明确、数据通过校验、报告可交付。

一次完整任务的执行时序图
接入启动 → 分析与迭代 → 交付与验收,结果回到原话题
03

真实使用

已经嵌入我产品实习的日常工作流,这是三次真实使用

①海外新用户注册与提问率

用户激活分析:拆首日 / 非首日,再下拆来源渠道、版本、系统语言

海外新用户注册与提问率 · 飞书提问
海外新用户注册与提问率 · Agent 处理结果

②海外连接器用户使用分析

功能上线跟踪:转化漏斗、留存对比、对话 query 三个子问题一次交付

海外连接器用户使用分析 · 飞书提问
海外连接器用户使用分析 · Agent 处理结果

③Figma 需求用户的任务意图

用户需求挖掘:从 30 天 query 样本剔除模板与噪声,聚成五类真实需求

Figma 需求用户的任务意图 · 飞书提问
Figma 需求用户的任务意图 · Agent 处理结果