《人工智能导论》实验二 数据清理助手智能体搭建

实验2数据清理助手智能体搭建一、实验目的及要求理解智能体工作流（Workflow）的设计思想，掌握多节点工作流的创建与编排方法。掌握扣子平台工作流中"开始节点→文件读取节点（read）→大模型节点→代码执行节点（CodeRunner）→结束节点"的完整配置流程。学会编写能够精准指导大模型输出结构化JSON结果（异常说明+修复代码）的系统提示词。理解CodeRunner节点的作用——将大模型生成的Python代码动态执行，实现数据的自动化清理与修复。完成数据清理助手智能体的搭建、调试与发布，具备基本的节点变量关联排查能力。二、实验学时2学时（建议时间分配：讲解10分钟，任务实践80分钟，总结报告10分钟）三、实验前准备账号环境：登录扣子国内版（），确保账号正常使用。数据文件：准备一份含有数据质量问题的CSV或XLSX文件（如含有缺失值、重复行、格式不统一的销售数据），用于调试阶段的功能验证。知识储备：已学习教材第3章"低代码开发智能体"相关内容，了解工作流基本概念；了解Python数据处理基础（pandas库基本用法）。四、实验任务任务1分析与设计工作流（10分钟）在动手搭建前，先理解数据清理助手的功能需求与工作流程设计：（1）功能需求·支持多格式：支持CSV/XLS/XLSX格式文件，自动识别表头与数据类型；·智能检测：智能检测数据中的错误类型（缺失值、异常值、格式错误等）；·自动清理：生成Python修复代码并执行，输出清理后的数据。（2）工作流程设计用户上传文件→文件读取（read）→大模型分析并生成修复代码→CodeRunner执行代码→结束节点输出结果若用户上传非支持格式文件，智能体在人设中直接回复"不支持该格式"，不进入工作流。任务2创建智能体（5分钟）（1）登录扣子，在主页点击左上角"创建"按钮，选择"创建智能体"；在扣子主页中，单击左上角的按钮。在弹出的类型选择框中选择“创建智能体”，然后按照图5-4所示填写智能体基本信息。（2）填写智能体基础信息：·智能体名称：数据清理助手·智能体描述：专业的数据清理工具，支持上传CSV/XLS/XLSX文件，自动检测数据质量问题并生成修复代码，一键清洗异常数据。（3）点击右下角按钮由AI生成图标。任务3搭建数据清理工作流（40分钟）1）预览工作流2）新建工作流在智能体的“技能”模块中，单击工作流右边的“添加工作流”按钮，然后单击“创建工作流”按钮，填写工作流名称和工作流描述，如图所示。填写完成后单击“确定”按钮，进入工作流编排页面。3）设置“开始”节点的输入变量在工作流编排页面中，单击“开始”节点，然后在其配置面板中输入变量“input”的类型改为“File”->“Excel”，如图所示。4）添加“read”节点在“开始”节点后添加节点，在弹出的选择框中选择“插件”，之后在插件商店搜索“文件”，选择将“文件读取”插件下的“read”添加到工作流，如图所示。在“read”节点中，将输入变量“url”的变量值选择为“开始”节点的“input”如图所示。5）添加“大模型”节点在“read”节点后添加“大模型”节点。在“大模型”节点的各项配置如下。模型：“DeepSeek-V3”，如图5所示。输入：将变量“input”的变量选择为“read”节点的“data”变量，如图所示。系统提示词：如下##角色：数据清理专家、高级Python程序员。##目标：发现数据中的异常项，并生成修复程序来处理数据中的错误项。##工作流：1.分析用户提供的数据内容，找到数据中的异常项。2.生成Python代码来解决数据中的异常项。##输出：1.数据异常说明输出到output字段。2.修复异常的代码输出到code字段。3.代码需要直接运行，不要包含```python```。用户提示词：如下。数据：{{input}}输出：默认的输出变量“output”保持不变，增加一个“code”变量，如图所示。6）添加“CodeRunner”节点在“大模型”节点后添加节点，在弹出的选择框中选择“插件”，之后在插件商店中搜索“代码”，选择“代码执行器”插件下的“CodeRunner”，单击“添加”按钮将其添加到工作流中，如图所示。将“CodeRunner”节点的输入变量“Code”的变量值选择为“大模型”节点的“Code”变量，如图所示。“upload_file_name”和“upload_file_url”不用填。将“CodeRunner”节点连接到“结束”节点。7）设置“结束”节点将“结束”节点的返回类型选择为“返回文本”，并设置输出变量，如图所示。设置“结束”节点回答内容，内容如下：#数据异常分析{{output}}#修复数据的代码、、、python、、、#修复后的数据{{fixedData}}3填写“人设与回复逻辑”根据智能体的需求，参考以下内容填写“人设与回复逻辑”。##角色：通用数据清理专家##目标：发现用户提供数据的问题并修复。##技能：数据清理：处理可能存在的数据质量问题，如重复项、异常值等。##工作流：如果用户上传的是CSV/XLS/XLSX格式的文件，则调用工作流{DataClean}清理数据文件。如果用户上传了其他格式文件，则提示用户只支持CSV/XLS/XLSX格式文件。4设置开场白在“对话体验”模块中设置开场白，以引导用户操作：{{user_name}},你好！我擅长处理各种数据问题，让你的数据更精准。支持CSV/XLS/XLSX格式文件。其中“{{user_name}}”会自动引用扣子用户的昵称。5发布完成以上工作之后，在“预览与调试”模块测试之后即可发布。结果记录表请将实验关键操作结果填入下表，用于撰写实验报告：验收项目完成情况（✓/✗）备注说明智能体成功创建工作流DataClean成功创建开始节点输入类型设为Excel（File）read节点正确读取上传文件大模型节点正确配置系统提示词与输出变量output+code两个字段CodeRunner节点成功执行修复代码结束节点正确整合三段输出（分析+代码+结果）人设中包含格式判断逻辑非CSV/XLS/XLSX提示不支持调试成功并完成发布五、实验重点、难点重点：工作流五节点的创建与配置（开始→read→大模型→CodeRunner→结束）；各节点之间变量的引用关联关系；大模型系统提示词中明确指定output和code两个输出字段的重要性。难点：大模型节点的系统提示词编写——必须精确指定输出格式，禁止代码中包含格式标记（```python```），否则CodeRunner无法直接执行；节点间变量引用关系容易混淆，需逐节点核对"引用来源"是否正确；CodeRunner执行报错的排查（通常是代码含有格式标记，或read节点数据格式不符合预期）。六、操作要点开始节点变量类型必须设置为File→Excel，确保仅接受CSV/XLS/XLSX格式文件。read节点的"url"输入变量须绑定开始节点的"input"输出，确保文件被正确读取。大模型节点选用DeepSeek-V3，系统提示词必须明确区分两个输出字段（异常说明output、修复代码code），且代码禁止包含任何格式标记。CodeRunner节点输入变量"Code"必须绑定大模型节点的"code"变量，不要绑定"output"。结束节点使用文本模板整合三段内容，变量名需与上游节点一一对应，注意大小写匹配。人设中的格式判断逻辑确保非支持格式文件能被正确拦截，避免工作流执行错误文件类型。七、注意事项大模型生成的Python代码如含```python```格式标记，CodeRunner将无法执行并报错，需在系统提示词中明确禁止。工作流各节点变量引用必须准确，出现"未定义变量"提示时，重新检查节点关联关系。文件上传仅支持CSV/XLS/XLSX格式，禁止上传加密或损坏的文件。每完成一个节点配置后及时保存，避免因误操作丢失配置。预览调试时，建议先用小数据量文件（10-20行）测试，确认功能正常后再测试较大文件。调试结果截图（含数据分析输出、代码输出、修复数据输出）需保存，用于实验报告撰写。八、实