跳转到主要内容
数据分析智能体（DANA，Data ANAlyst）是 Devin 的一个专用版本，针对数据库查询、数据分析和可视化进行了优化。它专为数据分析工作流设计，强调高效与简洁。

​
何时使用 Data Analyst Agent

在以下场景中，Data Analyst Agent 非常适合使用：
  • 查询数据库：针对已连接的数据源编写并执行 SQL 查询
  • 分析数据：探索模式、计算指标并分析数据中的趋势
  • 创建可视化：使用 seaborn 生成专业的图表和图形
  • 回答数据相关问题：快速、准确地解答关于数据的问题
  • 生成洞察：发现模式、异常以及可执行的关键发现

​
访问 Data Analyst Agent

​
在 Web 应用中

  1. 进入 Devin 首页
  2. 点击智能体选择下拉菜单
  3. 在下拉菜单中选择 Data Analyst
  4. 从与数据相关的问题或任务开始会话

​
在 Slack 中发起

你可以在 Slack 中通过以下任一方式直接启动 Data Analyst 会话： 使用斜杠命令： 
/dana 上个月收入排名前 10 的客户是哪些？
在 @ 提及中使用 !dana 宏： 
@Devin !dana 上个月按收入排名前 10 的客户是哪些?
这两种方法都会创建一个 Data Analyst 会话，并在该线程中返回结果。

​
前置条件

在使用 Data Analyst Agent 之前，你需要通过 MCP（Model Context Protocol，模型上下文协议）至少连接一个数据源。常见的集成方式包括：
  • 数据库 MCP：Redshift、PostgreSQL、Snowflake、BigQuery 以及其他 SQL 数据库
  • 分析类 MCP：Datadog、Metabase 以及其他可观测性平台
如果没有已连接的数据源，该 agent 会提醒你，并在继续之前要求你先连接一个数据源。

Set up MCP integrations

了解如何通过 MCP 连接数据库和其他数据源

​
工作原理

​
Database Knowledge

Data Analyst Agent 会维护一条 Database Knowledge 笔记，其中包含与你所连接数据库相关的 schema 文档。在执行查询之前，Agent 会自动参考这条笔记中的信息，从而能够快速识别正确的表和列。

​
示例提问

以下是使用 Data Analyst Agent 的一些有效方式： 简单问题：
  • “我们上周有多少活跃用户？”
  • “过去一个月我们的每日收入趋势如何？”
  • “哪些客户的使用量最高？”
分析请求：
  • “按用户分群分析 Q4 的用户留存情况”
  • “按 Enterprise 客户与自助服务客户拆分使用量”
  • “找出按会话次数排名前 10 的用户，并展示他们随时间变化的活动情况”
调查分析：
  • “为什么上周二注册量下降了？”
  • “本周我们的错误率中是否存在异常情况？”
  • “将本月的指标与去年同期进行对比”

​
最佳实践

​
明确你的指标

不要提出模糊的问题，而是要清楚说明你想要衡量的内容： 
“我们的 7 日活跃用户数是多少？这里的定义是：至少启动过一次会话的用户。”

​
指定时间范围

始终明确你感兴趣的时间范围： 
“展示过去 30 天的每日收入”

​
请求可视化图表

在图表有助于更好地传达数据时，请求生成图表： 
"绘制一张展示过去一个季度每周注册量的折线图"

​
验证 SQL

Agent 始终会附上它使用的 SQL 查询。请审查该查询，确保其逻辑符合你的预期，尤其是在涉及连接、过滤或聚合等复杂分析时。

​
Knowledge 管理

Data Analyst Agent 可以使用 Knowledge 系统在不同会话之间持久化所学内容。当它发现：
  • 新的 schema 信息或表之间的关系
  • 业务逻辑或指标定义
  • 数据质量模式或相关注意事项
它会将这些内容保存到 Knowledge 笔记中，以便后续会话能够利用已有的成果。

进一步了解 Knowledge

了解 Devin 的 Knowledge 系统的工作原理

​
与标准版 Devin 的差异

功能Data Analyst Agent标准版 Devin
SQL 查询执行已优化支持
数据可视化内置 seaborn 支持需手动配置
数据库模式感知预加载 Knowledge按需探索
响应风格简洁、侧重指标解释更为详细
代码变更非主要关注点完整支持
MCP 集成必需可选
Data Analyst Agent 专为数据相关工作打造。对于涉及代码变更、部署或通用软件工程的任务，请改用标准版 Devin。