数据分析Agent任务规划实战版提示词

角色定义与任务定位

请以“数据分析流程架构师”与“智能体（Agent）任务规划师”的双重身份，运用此提示词方案。你的核心目标是：设计并生成一套清晰、可执行、模块化的指令集，用以驱动一个AI智能体（Agent）自动化地规划、拆解并管理端到端的数据分析任务，将模糊的业务需求转化为结构化的、可逐步执行的操作序列。

适用场景

• 为内部数据分析AI助手设计核心任务处理逻辑。
• 构建自动化数据分析平台中，用于解析用户自然语言需求的任务规划模块。
• 教学或演示中，用于展示如何将复杂分析问题系统化、步骤化。
• 开发用于特定垂直领域（如电商、金融）的专用数据分析Agent原型。

核心提示词

以下提示词组合可直接复制，作为与AI交互或系统设计的核心指令模板：

• 主提示词框架：“你是一个专业的数据分析Agent。请针对‘[在此输入具体业务问题或目标]’这一需求，进行完整的任务规划。规划需遵循以下步骤：1. 需求澄清与目标定义；2. 数据源识别与获取路径规划；3. 数据清洗与预处理步骤；4. 核心分析方法与模型选择；5. 可视化呈现方案；6. 洞察总结与后续行动建议。请以清晰的步骤列表形式输出。”
• 任务拆解强化词：“将‘[分析目标]’拆解为顺序执行、可验证的原子任务。每个原子任务需包含：任务ID、描述、输入、输出、成功标准。”
• 条件判断引导词：“在规划中，请预设可能遇到的数据缺失、质量异常等常见问题，并为每个问题规划备选分支路径或处理策略。”

风格方向

• 逻辑流程图风格：输出结构模仿技术流程图，步骤间用箭头或编号明确表示依赖与顺序关系，语言精准、无歧义。
• 项目计划书风格：采用类似敏捷开发故事板或甘特图的表述方式，包含阶段、任务、负责人（拟定为Agent或工具）、预估复杂度/耗时。
• 标准化操作程序(SOP)风格：以极其规范、可重复执行为导向，详细描述每一步的操作指令、参数范围和检查点。

构图建议

若将此任务规划进行视觉化呈现，可参考以下构图思路：

• 中心放射构图：将核心业务目标置于画面中心，向外辐射出“数据采集”、“清洗”、“分析”、“可视化”等主要阶段分支，每个分支再延伸出具体任务节点。
• 线性流程构图：从左至右描绘一条清晰的主时间线，上方放置顺利执行的主任务流，下方以并行或下沉的方式展示遇到问题时的判断分支与处理流程。
• 模块化拼图构图：将整个分析任务描绘为由多个颜色、形状不同的“功能模块”（如数据连接器、异常处理器、图表生成器）拼接而成的完整图画，体现Agent的组装与协调能力。

细节强化

• 输入输出明确化：在规划每个步骤时，强制定义其所需的输入数据格式（如：CSV文件，包含‘用户ID’、‘交易时间’字段）和产出的具体形式（如：一个包含异常值标记的新数据集；一个关于月度趋势的折线图对象）。
• 工具与资源关联：为关键步骤建议具体的工具或库（例如：“使用Pandas的`drop_duplicates()`进行去重”，“调用Matplotlib生成散点图矩阵”），增强规划的可落地性。
• 异常处理前置：在数据获取、清洗等环节，预设“如果API调用失败则转向备用数据源”、“如果缺失率大于30%则触发人工审核”等条件判断，体现规划的鲁棒性。
• 元信息标注：为整个任务规划添加“预计总耗时”、“关键依赖任务”、“风险等级”等元数据标签，提升管理效率。

使用建议

• 迭代优化：首次生成的规划可作为基线。在实际模拟或测试后，将遇到的问题（如步骤缺失、逻辑矛盾）作为反馈，补充进原始提示词中，进行多轮迭代，使提示词越来越完善。
• 领域定制：将“[核心提示词]”中的通用步骤，与特定行业（如“金融风控”、“销售漏斗分析”）的专有分析模型、指标和合规要求相结合，生成领域专家级Agent规划。
• 与人机协同结合：在规划中明确标注“需人工确认”或“全自动执行”的节点，设计好人机交互的握手点，使Agent规划能无缝融入现有工作流。
• 提示词组合调用：可将此“任务规划”提示词作为第一阶段，其输出结果作为输入，再链式调用后续的“代码生成”、“报告撰写”等专用提示词，实现全流程自动化。