Academic-Data-Agent

项目简介

这是一个面向 Hello-Agents 社区展示的精简演示 Notebook，用来快速说明 Academic-Data-Agent 如何处理两类输入：

结构化表格数据
文本型 PDF 文献

Notebook 默认使用轻量模式，便于社区评审快速复现。

作者信息

GitHub: @healer-666

环境配置

首次运行前，请先在项目目录执行：

bash

pip install -r requirements.txt

并根据 .env.example 创建 .env，填写可用的模型配置。

python

from __future__ import annotations

from pathlib import Path
import sys

from IPython.display import Markdown, display

PROJECT_ROOT = Path.cwd()
SRC_PATH = PROJECT_ROOT / "src"
OUTPUT_ROOT = PROJECT_ROOT / "outputs"
OUTPUT_ROOT.mkdir(exist_ok=True)

if str(SRC_PATH) not in sys.path:
    sys.path.insert(0, str(SRC_PATH))

from data_analysis_agent.agent_runner import run_analysis
from data_analysis_agent.presentation import render_trace_table, render_full_report, render_diagnostics

python

def render_run_summary(result, title: str):
    methods = ", ".join(result.methods_used) if result.methods_used else "unknown"
    tools = ", ".join(result.tools_used) if result.tools_used else "unknown"
    summary_md = f"""
## {title}

- 输入类型: `{result.input_kind}`
- 数据路径: `{result.data_context.absolute_path.as_posix()}`
- 数据规模: `{result.data_context.shape[0]} x {result.data_context.shape[1]}`
- 识别领域: `{result.detected_domain}`
- 使用工具: `{tools}`
- 分析方法: `{methods}`
- 文档解析状态: `{result.document_ingestion_status}`
- 候选表数量: `{result.candidate_table_count}`
- 选中主表: `{result.selected_table_id or 'not_applicable'}`
- PDF 多表综合: `{result.pdf_multi_table_mode}`
- 报告路径: `{result.report_path.as_posix()}`
- Trace 路径: `{result.trace_path.as_posix()}`
- 审稿状态: `{result.review_status}`
- 总耗时: `{result.total_duration_ms / 1000:.2f}s`
"""
    display(Markdown(summary_md))

示例 1：表格数据分析

这里使用一个轻量的 Excel 样例，演示标准表格分析路径。社区版默认使用 draft + auto，尽量减少等待时间。

python

tabular_result = run_analysis(
    data_path=PROJECT_ROOT / "data" / "sample_table.xlsx",
    output_dir=OUTPUT_ROOT,
    quality_mode="draft",
    latency_mode="auto",
    verbose=True,
)
render_run_summary(tabular_result, "表格案例运行摘要")

python

render_trace_table(tabular_result)

示例 2：PDF 文献分析

这里使用一篇小型样例论文。当前版本会：

抽取文献背景
识别候选表
自动选择一张主表做定量分析
将其他候选表作为上下文证据参与报告解释

python

pdf_result = run_analysis(
    data_path=PROJECT_ROOT / "data" / "sample_paper.pdf",
    output_dir=OUTPUT_ROOT,
    quality_mode="draft",
    latency_mode="auto",
    document_ingestion_mode="auto",
    verbose=True,
)
render_run_summary(pdf_result, "PDF 案例运行摘要")

python

render_full_report(pdf_result)

python

render_diagnostics(pdf_result)

总结与展望

这个社区版演示重点展示三件事：

结构化表格的自动分析能力
PDF 文献中的候选表提取与主表分析能力
运行产物、报告与 trace 的可追踪性

完整版项目还提供了 Gradio 工作台、历史记录浏览、视觉审稿和更完整的工程能力。