小节四:实现一个真正可运行的最小 Data Analysis Agent——用 SQLite 模拟完整异常分析闭环

到了可运行示例,最值得抓住的是任务怎样从一次查询转成下一次查询。教学版先用 SQLite 和明确的决策规则走通完整链路,再把决策组件替换为真实模型。

图片[1]-小节四:实现一个真正可运行的最小 Data Analysis Agent——用 SQLite 模拟完整异常分析闭环-大赛人网

注意观察每次 Query Result 怎样更新 Analysis State,以及 Completion Gate 什么时候允许输出报告。这个教学流程用于验证 Harness 结构,不代表仅凭规则已具备任意场景的分析能力。

这一部分,我们不用外部数据库。

直接使用 Python 标准库:

sqlite3

构造一份虚拟广告数据。

这样代码可以直接运行。

数据结构

表:

ad_metrics

字段:

date
media
position
request
impression
click
income

eCPM 通过:

income / impression * 1000

计算。

完整可运行示例

下面代码会:

创建数据库
写入两天虚拟数据
查询整体
识别 eCPM 异常
下钻媒体
下钻广告位
生成结论

这段代码其实已经体现:

Observation
→ 决定下一步查询。

只是这里决策是规则写死。

真实 Data Agent 中:

if ecpm_change...

这一层可以交给:

LLM Decision。

Harness 结构不变。

为什么教学先用规则?

因为我们要先证明:

Data Agent 的本质是循环和状态

而不是某一家模型 API。

等 Provider 接上以后。

只需要把:

Decision Maker

换成 LLM。

© 版权声明
THE END
喜欢就支持一下吧
点赞9 分享
评论 抢沙发
头像-大赛人网
欢迎您留下宝贵的见解!
提交
头像-大赛人网

昵称

取消
昵称

    请登录后查看评论内容