22.从0到1搭建AI运营助手——最小可运行版本（v1）

AI 运营助手将从 v1-v3 演进项目 git 地址ai-ops-assistant-lab 一、为什么需要v1在前两篇我们讲了AI运营助手是什么认知整体架构是什么设计但有一个关键问题❗ 如果不能跑起来那一切架构都是“纸上设计”所以 v1 的目标非常明确先跑通一条最小链路自然语言 → SQL → 数据 → 报告 二、v1的核心目标非常重要 v1只做一件事用户问题 → SQL → mock数据 → 分析 → 输出报告❌ 不做不做语义层不做多Agent协作不做SQL优化不接Doris先mock✅ 只做 一个“能跑通闭环的AI分析系统” 三、v1整体架构用户输入 ↓ Query Agent理解问题 ↓ SQL Agent生成SQL ↓ Mock Data Service ↓ Analysis Agent分析 ↓ Report Agent输出Markdown 四、v1系统本质 一句话总结 v1是一个“AI驱动的SQL查询 报告生成系统” 五、技术栈v1 Pythoncamel-aiAgent能力简单函数编排 数据层mock data字典/CSV LLMOpenAI / Claude / 本地模型通过LangChain或API 六、核心模块设计 1️⃣ Query Agent问题理解 输入最近7天用户流失情况如何 输出{intent:churn_analysis,time_range:7d} 2️⃣ SQL Agent核心 输入{intent:churn_analysis} 输出SELECTCOUNT(DISTINCTuser_id)FROMuser_tableWHERElast_activeNOW()-INTERVAL7DAY 3️⃣ Mock Data Service 职责模拟 Doris / MySQL 查询defquery(sql):return{active_users:1234,churn_users:321} 4️⃣ Analysis Agent 输入{active_users:1234,churn_users:321} 输出最近7天用户活跃数为1234流失321人流失率约20%。⚫ 5️⃣ Report Agent 输出Markdown报告# 用户流失分析报告 ## 核心指标 - 活跃用户1234 - 流失用户321 ## 结论 流失率较高建议优化用户留存策略。 七、完整执行链路必须理解User Input ↓ Query Agent ↓ SQL Agent ↓ Mock Data ↓ Analysis Agent ↓ Report Agent 八、Prompt设计v1核心 Query Prompt你是一个数据分析助手请识别用户问题中的业务意图和时间范围。 SQL Prompt请根据用户意图生成SQL查询语句只允许使用以下字段 - user_id - last_active - order_count Analysis Prompt请根据数据结果生成业务分析结论语言简洁清晰。 九、main.pyv1核心入口 示例结构defrun():question最近7天用户流失情况如何intentquery_agent(question)sqlsql_agent(intent)datamock_query(sql)analysisanalysis_agent(data)reportreport_agent(analysis)print(report) 十、v1的意义非常重要 v1解决的问题 验证AI运营助手的“最小闭环可行性” v1没有解决的问题没有语义层没有真实数据没有SQL优化没有Agent协作 十一、v1的本质 一句话总结 v1本质是一个“LLM驱动的轻量数据分析流水线”用于验证自然语言到数据分析的可行性。 十二、v1 → v2 → v3的演进意义埋伏笔 v1 能跑通流程 v2 接入真实数据系统Doris v3 引入语义层核心升级 下一篇预告《Multi-Agent不是聊天如何拆分Data / Strategy / Report Agent》