营销增长

手把手教你使用AI 智能体，成为Excel数据图表大师

2024 年 8 月 28 日

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：

呈现效果高度可控
数据精准

缺点：

用户有一定的学习成本
对用户数据有一定侵入性
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。

三. 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

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们

手把手教你使用AI 智能体，成为Excel数据图表大师

立即咨询 JOTO

想把这些做法用到你的业务里?

开启企业级 AI 落地

填写需求单