基于 LangGraph 的自然语言数据探索 Agent

项目简介

本项目实现一个可通过自然语言交互完成数据分析任务的智能 Agent。用户上传 titanic_cleaned.csv 后，可通过对话形式完成：

1. 数据摘要：输出均值、方差、最值等统计信息
2. 缺失值处理：自动用均值填充 NULL
3. 可视化：绘制指定列（如 Survived）的分布图
4. 模型训练：调用 sklearn 训练分类模型并返回准确率

Agent 基于 LangGraph 构建状态机，通过 Function Calling 调用 Python 工具，全程由大模型（GPT-3.5-turbo）驱动，无需手写分析代码。

演示

• 命令行: python demo.py
• 网页版: python demo_gradio.py

技术栈

• 框架：LangChain + LangGraph
• 模型：GPT-3.5-turbo（支持 Function Calling）
• 工具：pandas, scikit-learn, matplotlib
• 数据：titanic_cleaned.csv（891 行）

开发日志

2025-12-01

• 确定使用 LangGraph + GPT-3.5-turbo
• 完成 4 个工具函数的框架定义（未实现逻辑）
• 验证 Function Calling 兼容性
• 遇到问题：无
• 明日计划：实现工具函数逻辑 + 单元测试

2025-12-02

• 实现 get_data_summary() 和 fill_missing_with_mean()
• 完成 LangGraph 状态机搭建（agent → tool → agent 循环）
• 验证端到端 workflow 可运行
• 遇到问题：无
• 明日计划：实现 plot_distribution() 和 train_and_predict()，并测试完整任务流程

2025-12-03

• 实现 plot_distribution() 和 train_and_predict()
• 测试完整四任务端到端流程（摘要 → 填缺失 → 画图 → 训练）
• 验证 plot.png 成功生成，模型准确率返回正常
• 遇到问题：多任务联合 Prompt 导致任务 1（数据摘要）输出不完整，仅返回部分列或缺失方差等统计指标
• 明日计划：添加 Memory 支持多轮对话 + 编写 Demo 脚本；优化 Agent 工作流准确性与输出可读性；启动 tools.py 通用性重构，提升对任意结构化数据的适配能力

2025-12-04

• 实现多轮对话支持，任务可分步执行
• 完成 CLI 与 Gradio 双模式 Demo
• 全部核心功能（四任务）已可稳定运行
• 遇到问题：多任务合并输入时首任务偶发误判（因支持分步执行，暂不优先处理）
• 明日计划：录制端到端演示视频 + 完善 README 文档 + 发布项目至 GitHub

2025-12-05

• 完善项目文档（README + LICENSE + .gitignore）
• 代码发布至 GitHub
• 录制端到端演示视频（含多轮交互）
• 遇到问题：无
• 明日计划：无