🤖 DataAgent Pro: 自进化 Docker 沙箱数据分析 Agent

DataAgent Pro 是一个基于 LangGraph 和 Docker 构建的智能数据分析助手。它不仅能根据用户需求自动编写 Python 代码处理数据，还能在代码运行报错时通过“自省”机制进行自动修复（Self-Healing），直到输出正确的结果。

所有的代码执行都在完全隔离的 Docker 容器中完成，确保了宿主机的安全。

---

✨ 核心特性 (Key Features)

• 🔄 自进化修复 (Self-Healing)：基于 LangGraph 的状态机架构，当生成的代码运行报错时，Agent 会捕捉 Traceback 自动重试并修正逻辑。
• 🐳 安全沙箱 (Secure Sandbox)：利用 Docker 容器技术，所有 LLM 生成的代码均在隔离环境中运行，防止误删文件或恶意指令。
• 🔍 智能元数据探测 (Data Profiling)：自动分析 CSV/Excel 结构，识别列名、数据类型及样例，为 LLM 提供精准的上下文。
• 📊 自动化可视化 (Auto-Visualization)：根据数据分布自动选择最优图表（柱状图、折线图等）并生成高清 PNG。
• 👁️ 可观测性 (Observability)：集成 Arize Phoenix，全链路追踪 Agent 的思考路径、Token 消耗与节点流转。
• 🚀 现代 UI 交互：基于 Streamlit 构建的 Web 界面，支持文件拖拽上传与实时思维链展示。

---

🏗️ 架构设计 (Architecture)

本项目采用 感知 -> 计划 -> 执行 -> 反思 的闭环控制流：

1. Metadata Inspector: 读取原始文件，提取 Schema。
2. Coder Node (LLM): 根据 Schema 和需求生成 Pandas 处理代码。
3. Docker Executor: 启动容器，挂载数据，执行代码并采集日志/图表。
4. Should Continue (Logic): 判断是否报错。若报错，将错误信息反馈给 Coder 重写；若成功，输出结果。

---

🛠️ 快速开始 (Quick Start)

1. 克隆仓库

git clone https://github.com/your-username/data-agent-pro.git
cd data-agent-pro

2. 创建环境

建议使用虚拟环境：

python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
pip install -r requirements.txt

3. 构建 Docker 运行环境

确保你已启动 Docker Desktop：

docker build -t data-agent-runtime:latest ./docker

4. 配置环境变量

在根目录创建 .env 文件，填入你的 API Key：

# 使用通义千问 (Qwen) 示例
DASHSCOPE_API_KEY=sk-xxxx
QWEN_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

# 或者使用 OpenAI
# OPENAI_API_KEY=sk-xxxx

5. 启动应用

streamlit run app.py

---

📈 项目演示 (Demo)

1. 上传数据：拖入一个混乱的房产信息 CSV。
2. 输入指令："分析深圳和珠海单价最高的房源，并对比各城市平均房价，处理掉异常值。"
3. 观察自修复：如果 Agent 第一次写的代码没考虑大小写统一（如 Shenzhen vs shenzhen），它会在发现结果偏差或报错后自动修正代码。
4. 获取结果：在界面直接查看统计表格与 Matplotlib 生成的图表。

---

📂 项目结构 (Structure)

├── core/
│   ├── graph/          # LangGraph 状态机定义 (State, Nodes, Workflow)
│   ├── prompts/        # 提示词模板
│   └── tools/          # 核心工具 (Docker沙箱、元数据探测)
├── docker/             # Dockerfile 与 运行环境镜像配置
├── tests/              # 单元测试与 Docker 验证脚本
├── app.py              # Streamlit Web 界面
├── main.py             # 逻辑入口封装
├── generate_test_data.py # 测试数据生成器
└── .env.example        # 环境变量模板

---

🔧 技术栈 (Tech Stack)

• LLM: Qwen-Max / GPT-4o
• Orchestration: LangGraph
• Sandbox: Docker SDK for Python
• Observability: Arize Phoenix
• Frontend: Streamlit
• Data: Pandas, Matplotlib

---

🤝 贡献 (Contributing)

欢迎提交 Issue 或 Pull Request！

1. Fork 本项目
2. 创建你的特性分支 (git checkout -b feature/AmazingFeature)
3. 提交你的改动 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 开启一个 Pull Request

---

📄 开源协议 (License)

本项目遵循 MIT License 协议。

---

⭐️ 如果这个项目对你有帮助，请给一个 Star！