【口袋专家AI公开课】从0到1智能体开发：数据专家Agent原理与实战

目录

一、引言

二、应用篇：数据专家能帮你做什么

[2.1 在哪儿找到它](#2.1 在哪儿找到它)

[2.2 示例：12 个月销售额，找趋势、抓异常、估明年 1 月](#2.2 示例：12 个月销售额，找趋势、抓异常、估明年 1 月)

[2.3 每一步都看得见：4 次代码执行 + 1 张图表](#2.3 每一步都看得见：4 次代码执行 + 1 张图表)

三、技术篇：数据专家是怎么构建出来的

[3.1 一位专家 = 一份配置](#3.1 一位专家 = 一份配置)

[3.2 人设提示词：把"不许心算"写成纪律](#3.2 人设提示词：把"不许心算"写成纪律)

[3.3 python_execute：一次性的隔离沙箱](#3.3 python_execute：一次性的隔离沙箱)

[3.4 render_chart：模型只给数据，代码由平台生成](#3.4 render_chart：模型只给数据，代码由平台生成)

[3.5 平台层的那一句："数字必须算出来"](#3.5 平台层的那一句："数字必须算出来")

[3.6 这一轮花了多少](#3.6 这一轮花了多少)

[四、你也可以：在 App 里一句话创建自己的专家](#四、你也可以：在 App 里一句话创建自己的专家)

五、总结

---

一、引言

口袋专家AI是什么？

口袋专家AI，是一款为超级个体打造的云端个人智能体 App。愿景是："让每个普通人，都能拥有一支 AI 专家团队，成为超级个体"。使用口袋专家AI像使用微信一样简单：通过专家对话、专家广场、专家群、专家圈4大功能，让一支200人的AI专家团队随时听候您的调遣。

|-----------------------------------------------------------------------------|-----------------------------------------------------------------------------|
| | |

口袋专家AI预置了100多个面向企业工作的专家智能体，可以协助制定营销增长方案、做 PPT、创作短剧、开发小程序和 App，以及模拟公司运营；也预置了100多个生活专家智能体，可以查询12306火车票、比较酒店和商品信息、规划旅行，协助处理日常事务。

口袋专家AI还是一款社交型AI，将你与AI专家共创的短剧、图片、视频等优质作品分享到专家圈，其他AI专家会来给你鼓励，且用户将会看到并为你点赞。

口袋专家AI正在筹备专家合伙人计划，支持用户贡献自己精调过的专家，产生收益后，用户将获得分成。让我们一起将口袋中的专家越做越好。

口袋专家AI与其他AI有什么不同？

口袋专家AI强调从对话走向任务执行：围绕做 PPT、查火车票、规划旅行、创作短剧等需求，由专家调用工具、整理信息并产出成果，也可以把多位专家拉进群里，从不同角度共同讨论问题。

口袋专家AI的任务在云端运行。在地铁上、车上或其他碎片时间，拿起手机就能发起任务、查看进度和接收成果，不必一直开着电脑。当然，口袋专家AI也支持电脑版。

口袋专家AI解决的核心痛点是什么？

用户打开千篇一律的AI聊天框，通常不知道聊什么？"你好"、"在吗"，然后关闭。我们预置了200多个精调过的专家智能体，按部门、领域分类组织，覆盖工作与生活各个方面，每次打开app，让用户知道AI能干什么，引导用户思考自己要做什么。

为什么要做口袋专家AI公开课？

不少智能体产品展示了使用效果，却较少完整讲解实现过程。我们崇尚开源精神，希望通过公开课逐篇拆解200多位专家智能体背后的人设、工具与执行流程，一方面为开发者带来灵感，一方面让用户了解产品如何工作。

把一串数字丢给大模型，问"趋势怎么样、有没有异常"，十有八九你会得到一段很像样的分析------"整体呈上升趋势，8 月有明显下滑，建议关注"。问题是：

1. 它的数字多半是"看"出来的。 斜率多少、波动多大、8 月偏离了几个标准差，大模型很少真的去算。语言模型做多位数运算本来就容易错，写出来的"同比增长 23.6%"经常经不起一次复核。

2. 它不说用了什么方法。 同一组数，用不同的异常检测方法结论可以完全相反。不告诉你方法，你就没法判断该不该信。

3. 它不承认数据不够。 12 个月的数据分不出季节性，这是统计常识，但通用助手很少主动说"这个我判断不了"。

口袋专家AI 的数据专家只守一条纪律：一切数字结论必须来自真实计算。它手上有一个隔离的 Python 沙箱，每个数都是跑代码跑出来的，代码和输出你都能在过程里看到。

这篇照例分两部分：应用篇 用模拟器截图看它实际怎么分析一组销售数据；技术篇拆它的人设提示词、Python 沙箱、图表工具是怎么做的。代码片段都来自线上正在跑的版本。

二、应用篇：数据专家能帮你做什么

2.1 在哪儿找到它

数据专家在「专家广场」的「企业专家 · 工程部」下，也可以在「对话」页右上角搜索「数据专家」。点进去是它的开场页：

它给自己定的四项能力是真实计算、统计分析、图表建议、代码执行。开场建议的三个问题都很"数据"：

• 这是我近 12 个月的销售数据，帮我分析趋势和异常

• 两组转化率 A 3.2%（n=4500）和 B 3.8%（n=4300），差异显著吗？

• 帮我算一下这组用户留存数据的次日 / 7 日 / 30 日留存率

数据直接贴在输入框里就行，也可以点「＋」传 Excel / CSV 文件。

2.2 示例：12 个月销售额，找趋势、抓异常、估明年 1 月

我们给它一组门店的月销售额，其中故意埋了一个坑------8 月只有 64 万：

这是我们店近 12 个月的月销售额（万元）：1月 82，2月 75，3月 91，4月 88，5月 96，6月 102，7月 99，8月 64，9月 110，10月 118，11月 121，12月 135。帮我分析一下趋势，看看有没有异常月份，再估一下明年 1 月大概多少。

整个回答 90 秒出来，分四块。值得细看的是它怎么得出每个结论的：

一、总体趋势：先承认"8 月会污染趋势"。 它第一次用全部 12 个月做线性回归，R² 只有 0.55；发现 8 月的残差把趋势线本身拉歪了，于是剔除 8 月重新拟合------斜率 +4.66 万元/月，R² 升到 0.936，斜率的 95% 置信区间 3.72, 5.59 不含 0。然后翻译成人话："刨掉 8 月这一次意外，你的店基本是沿着一条稳定的上升线在走，平均每月多卖 4~5 万"。中间那张"实际值 vs 趋势线"的折线图，是它调图表工具画的，不是生图模型"画"的。

二、异常月份：两种方法给出相反结论，它把这件事说出来了。 8 月偏离趋势线 -45.2 万，是残差标准差的 9.4 倍；但如果用最常见的 IQR 法（四分位距），8 月 64 万还在"正常区间 48.2, 150.2"里，根本抓不出来。它直接写明"必须用残差法才能定位，这也是为什么不能只看表面高低"。接着还从"7 月→8 月 -35.4%、8 月→9 月 +71.9%"这个一跌一涨的形状，判断更像"一次性中断 + 恢复性反弹"，并提醒：如果是数据漏记，补上真实数字后趋势还要再修一次。

三、明年 1 月预估：五种方法交叉验证。 线性趋势（剔 8 月）132.5 万、Theil-Sen 稳健回归 132.1 万、含 8 月的线性趋势 125.6 万、Holt 指数平滑 133.5 万、"12 月 + 近 3 月平均环比"143.3 万。它的判断是 132 万，95% 预测区间 126, 139，理由是两种独立方法几乎重合；并且解释了另外两种为什么偏低、偏高。

四、还需要什么。 两条局限说得很直白：只有 12 个月，看不出年度季节性，"要判断 1 月到底是淡季还是旺季，我需要至少 24 个月数据"；1 月可能有春节前备货效应。最后列出它还想要的数据------8 月发生了什么、去年同期、客单价 × 订单量的拆分。

对比一下引言里通用助手的三个短板：数字是算的、方法是写明的、局限是主动说的。

2.3 每一步都看得见：4 次代码执行 + 1 张图表

点开回答卡片顶上的「过程 · 4 步」，能看到它这一轮实际干了什么：

• 第 1 步：思考"先做基础画像（规模/分布/缺失/异常），再做趋势和异常检测"，然后连着两次「代码执行」------一次算均值、中位数、变异系数、环比，一次做线性回归和残差的 z 分数 / 稳健 z 分数；

• 第 2 步：思考"8 月的残差被趋势线本身扭曲了，我需要做稳健处理"，又是两次「代码执行」------IQR 检测 + 剔除 8 月重拟合，以及五种方法的 1 月预测；

• 第 3 步：「画图表」，把实际值和趋势线画成一张折线图；

• 第 4 步：思考篇幅和结论怎么组织，开始写答案。

每一条「代码执行」都能点开看完整的 Python 代码和输出。比如第 2 步那段，输出里就写着：

=== IQR 异常检测 (原始序列) ===
Q1=86.5 Q3=112.0 IQR=25.5  正常区间 [48.2, 150.2]

=== 剔除8月后重拟合 ===
斜率 = 4.659 万元/月 (年化 55.9)  截距 = 71.90
R^2 = 0.9362
斜率 t = 11.49, 95%CI = [3.72, 5.59]  残差σ = 4.81 万元
-> 8月残差 -45.2 万元 = 9.4σ, 其余月份均在 ±2σ 内

答案里的每一个数，都能在这里找到出处。

三、技术篇：数据专家是怎么构建出来的

3.1 一位专家 = 一份配置

整体架构在第一篇（旅行专家）的 3.1 节画过：客户端 → 准备阶段（装配人设、记忆、工具）→ 思考模式的回合驱动器（思考 → 调工具 → 看结果 → 再思考）→ 交付层。数据专家和其他两百多位专家跑的是同一条流水线，它的"个性"全在这份预置配置里：

{
  "id": "preset-data-analyst",
  "name": "数据专家",
  "description": "贴上数据或描述, 用 Python 真实计算出结论, 不拍脑袋",
  "capabilities": ["真实计算", "统计分析", "图表建议", "代码执行"],
  "tools": {"python_execute": true},
  "opening_examples": ["这是我近 12 个月的销售数据, 帮我分析趋势和异常: 1月 82, 2月 75, 3月 91...", "..."],
  "system_prompt": "你是严谨的数据分析师。核心纪律: ..."
}

注意 tools 这一项。它是这位专家"以什么为主"的声明：数据专家声明的是 python_execute，旅行专家、法律专家这类以查资料为主的专家声明的是 web_search。不过第一篇讲过，工具是平台级的------运行时每位专家拿到的工具清单以平台统一配置为准，预置里的声明并不会把别的工具关掉。数据专家这一轮没有联网，是因为它的人设要求"一切数字结论来自真实计算"，用户给的数据已经够了，它不需要搜。

3.2 人设提示词：把"不许心算"写成纪律

数据专家的人设，线上原文：

你是严谨的数据分析师。核心纪律: 一切数字结论必须来自真实计算, 不许心算或估算。规则:
1. 拿到数据先用 python_execute 做基础画像 (规模/分布/缺失/异常), 再回应用户的具体问题; 计算过程用 numpy/pandas, 结果必须 print。
2. 统计推断 (显著性/相关/趋势) 使用恰当方法并报告关键量 (p 值/置信区间/效应量), 同时用一句人话解释含义。
3. 结论区分「数据说了什么」与「你的解读建议」, 不过度外推; 样本量不足或数据质量差时明确指出局限。
4. 主动给出 1-2 个图表建议 (图类型 + 轴与系列的画法); 用户要看板/图表成品时, 直接产出一个可交互的可视化页面 (筛选、悬停看数、移动端能看), 而不是只给建议。
5. 用户数据不完整时说明还需要什么字段才能得出可靠结论。

对照上面那次实跑，每一条都能找到对应的行为：

• "先做基础画像"（第 1 条） 就是过程第 1 步那两次代码执行。这条规则的价值在于强制它先看数据长什么样，再回答问题------8 月的异常就是在画像阶段被发现的，而不是等用户问到才去看。

• "结果必须 print" 看起来像废话，其实是写给沙箱的：沙箱唯一的出口是标准输出（3.3 节），不 print 的计算结果模型根本看不到。

• "报告关键量 + 一句人话"（第 2 条） 对应答案里"斜率 t = 11.49，95% 置信区间 3.72, 5.59"后面跟着的"不含 0，增长是真实的，不是随机波动"。

• "区分数据说了什么与你的解读"（第 3 条） 对应答案里单独标出来的"我的判断：132 万元"，以及"8 月这个坑建议你先自查"------前者是计算，后者是推断，分开写。

• "说明还需要什么字段"（第 5 条） 对应答案最后一节"还需要什么"。

写这类"严谨型"专家人设的经验：把纪律写在最前面，并给它一个可执行的动作。只写"要严谨"没用，写"一切数字必须来自真实计算 + 用 python_execute + 结果必须 print"，模型就知道严谨具体是哪几个动作。

3.3 python_execute：一次性的隔离沙箱

让模型执行任意代码，第一个问题是安全。口袋专家AI 的做法是：绝不在 API 进程里 exec，每次执行都起一个全新的 Docker 容器，用完即焚。容器的启动参数就是安全边界：

def _docker_args(name: str, timeout_sec: int) -> list[str]:
    return [
        "docker", "run", "--rm", "-i", "--name", name,
        "--network", "none",
        "--memory", "512m", "--memory-swap", "512m",
        "--cpus", "1", "--pids-limit", "128",
        "--read-only", "--tmpfs", "/tmp:size=64m,exec",
        "-w", "/tmp", "-u", "65534:65534",
        "-e", "PYTHONDONTWRITEBYTECODE=1", "-e", "HOME=/tmp",
        "-e", "MPLCONFIGDIR=/tmp", "-e", "PYTHONUNBUFFERED=1",
        SANDBOX_IMAGE,
        "timeout", "--signal=KILL", str(timeout_sec), "python3", "-",
    ]

逐项对应要防的东西：

参数	防什么
--network none	断网：防外联、SSRF、数据外泄
--memory 512m / --cpus 1	资源耗尽
--pids-limit 128	fork 炸弹
--read-only + --tmpfs /tmp:size=64m	根盘只读，只有 /tmp 可写且限额，不留任何东西
不挂任何 -v	沙箱看不到宿主文件、密钥和 docker.sock
-u 65534:65534	以 nobody 身份运行，不是 root
容器内 timeout --signal=KILL + 宿主侧 wait_for	双重超时，超时直接 docker rm -f

代码通过 -i 从标准输入喂进去（python3 -），不落盘。其他几个上限：默认超时 20 秒（最多放宽到 60 秒），代码最长 2 万字符，同时最多跑 3 个沙箱（多 worker 时按 worker 数摊薄）。

镜像本身很小，只装解释器和常用分析库（节选）：

FROM python:3.12-slim
# 中文字体: matplotlib 默认字体不含 CJK, 中文标签会画成方块
RUN apt-get update \
    && apt-get install -y --no-install-recommends fonts-noto-cjk \
    && rm -rf /var/lib/apt/lists/*
RUN pip install --no-cache-dir numpy pandas openpyxl matplotlib
# 字体缓存预热: 沙箱每次都是新容器, 不预热就每张图都慢一拍
ENV MPLCONFIGDIR=/tmp/mpl
RUN MPLCONFIGDIR=/opt/mpl python3 -c "import matplotlib; matplotlib.use('Agg'); import matplotlib.pyplot as p; p.figure(); p.close()" \
    && chmod -R a+rX /opt/mpl

输出上限是一个值得讲的取舍。 沙箱的输出会直接进对话历史，而且每一轮都带着走------不设上限，一次打印几万字符就能把真正有用的上下文挤出去。上限最初是 4000 字符，后来翻了 30 天的真实调用：115 次 Python 调用里 6 次触发截断，其中 4 次只超了 20 个字符，最大的一次 6517。于是改成 8000------覆盖了实测的全部情况，平均开销几乎不变。

截断时给模型的提示也是专门写的，告诉它该怎么办，而不只是"丢了东西"：

text = (text[:max_output_chars]
        + f"\n...(输出已截断: 共 {len(text)} 字符, 上限 {max_output_chars})。"
          "别原样重跑 ------ 只 print 你真正要用的那几个结果 (或先 print 形状/条数, "
          "再分批取), 重跑一遍还是会被截在同一处。")

不写后半句的话，模型最常见的反应是把同一段代码原样再跑一遍。

最后是工具说明里的"物理限制"。模型看到的 python_execute 说明里专门有一段：

⚠️ 沙箱是一次性的 (无任何挂载、退出即销毁), **在里面写出来的文件谁也拿不到**,
唯一出口是 stdout 且只有 8000 字符 (一个最小的 .docx 转成 base64 就超了)。
所以别在这儿做 .docx/.xlsx/.pptx 文件: 公文调 make_gongwen_docx; 幻灯片调 render_slides;
普通 Word 与 Excel 只要在回答里给出正文或 markdown 表格, 用户点导出就能拿到真文件。

这段是线上踩过坑之后加的：某位专家曾在沙箱里手拼 Word 的 OOXML 拼了六步。写成"讲清物理限制 + 指一条正路"而不是一句"禁止"------模型知道为什么不行，才不会绕着试。

3.4 render_chart：模型只给数据，代码由平台生成

答案里那张折线图来自另一个工具 render_chart。既然 python_execute 能跑 matplotlib，为什么不让模型自己画？三个原因：

1. 画了也拿不出来。 沙箱是只读根盘，模型写的图存不下来，唯一出口是 stdout；

2. 每次一个样。 配色、字号、留白每次都不一样，放进同一份报告或幻灯片里很乱；

3. 和内容无关的坑太多。 中文字体、坐标轴、图例位置，每次都可能踩错。

所以 render_chart 是声明式的：模型只给图表类型和数据，matplotlib 代码由平台按统一样式拼出来，在同一个沙箱镜像里跑。这一轮模型实际传的参数：

{
  "type": "line",
  "title": "近12个月销售额:实际值 vs 趋势线(剔除8月拟合)",
  "unit": "万元",
  "labels": ["1月", "2月", "3月", "4月", "5月", "6月", "7月", "8月", "9月", "10月", "11月", "12月"],
  "series": [
    {"name": "实际销售额", "data": [82, 75, 91, 88, 96, 102, 99, 64, 110, 118, 121, 135]},
    {"name": "趋势线(剔8月)", "data": [76.6, 81.2, 85.9, 90.6, 95.2, 99.9, 104.6, 109.2, 113.9, 118.6, 123.2, 127.9]}
  ],
  "filename": "门店销售分析/trend.png"
}

图片怎么从断网、只读的沙箱里出来？平台生成的代码最后一行把 PNG 转成 base64，夹在两个标记之间打印到标准输出：

buf = io.BytesIO()
fig.savefig(buf, format="png", bbox_inches="tight", facecolor="white")
plt.close(fig)
print('AD_CHART_B64_START' + base64.b64encode(buf.getvalue()).decode() + 'AD_CHART_B64_END')

宿主侧按标记取出、解码、校验 PNG 文件头，存进这位专家的工作区，再把一行 Markdown 图片引用还给模型：

已生成图表 门店销售分析/trend.png (100KB)。写进正文用这一行:
![近12个月销售额:实际值 vs 趋势线(剔除8月拟合)](/api/agent/media/.../门店销售分析/trend.png)

模型把这一行原样写进答案，客户端就显示出图来。这里有个容易踩的坑：沙箱默认的输出上限是给模型看的（8000 字符），而一张 PNG 的 base64 有几万字符------用默认值会把结尾标记截掉，图白画。所以 render_chart 调沙箱时单独把上限放到 220 万字符，这段输出由平台自己消费，不进模型上下文。

支持的图表类型：柱状、横向条形、折线、饼图（≤6 项）、面积、散点；每张最多 6 组系列、40 个点。还有一个安全上的好处：这条路上模型给的是数据 而不是代码。

3.5 平台层的那一句："数字必须算出来"

第一篇讲过，发给模型的系统提示词分七层，人设只是其中一层。第 5 层"工具段"里，只要 python_execute 或 calculate 在场，就会拼进这样一句：

(103, ("python_execute", "calculate"),
 "数据类结论 (统计、汇总、换算、财务算式) 必须算出来, 不心算不估算: 用 python_execute 跑 pandas / numpy 并 print 结果, "
 "单个算式用 calculate; 算不出来就说算不出来。数字数、字数这种不用工具。"),

这意味着"不许心算"不只是数据专家的纪律：会计专家算税、法律专家算经济补偿、旅行专家算预算，只要手上有计算工具，都受这一句约束。数据专家的人设是在这个底线之上，把"先画像、报关键量、分清事实与解读"这些分析师的工作习惯再写细一层。

最后那半句"数字数、字数这种不用工具"也是实际问题逼出来的------不写的话，模型连"这段话多少字"都要起一个沙箱去 len()。

3.6 这一轮花了多少

这次实跑的账（来自任务记录）：

项	数值
耗时	90 秒
模型调用	6 次
工具调用	5 次（4 次 python_execute + 1 次 render_chart）
tokens	50,759，其中 26,880 命中缓存
计费	约 10.5 积分

一半以上的 token 命中了缓存：思考模式下每一步都要把前面的上下文重发一遍，系统提示词和历史在前、新内容在后，前缀缓存能省下不少。

四、你也可以：在 App 里一句话创建自己的专家

如果你想要一位"只做电商 GMV 拆解"或者"只看 A/B 实验"的数据专家，不用写代码：

1. 打开「专家广场」，点顶部的「新建专家」卡片

2. 用一句话描述你要的专家，比如"专门分析电商店铺数据，熟悉 GMV 拆解、复购率和 A/B 实验"

3. 服务端一次生成名字、人设提示词、能力标签、开场示例和头像

4. 预览没问题就「开始对话」

新建的专家和官方的数据专家跑的是同一条流水线，Python 沙箱、图表工具、长期记忆一样不少；人设可以在设置页随时改。

五、总结

本篇以数据专家为例，拆了一位"计算型"智能体是怎么构建的：

• 应用上，它把通用助手"数字靠看、方法不说、局限不提"的毛病反过来：12 个月销售额那个例子里，每个数都有一段可以点开的代码，两种异常检测方法的分歧被摆到台面上，"12 个月分不出季节性"被主动说出来。

• 技术上，一位计算型专家 = 一份把纪律写成动作的人设 + 一个断网、只读、nobody、用完即焚的 Python 沙箱 + 一个"模型只给数据、平台负责画"的图表工具 + 平台层"数字必须算出来"的底线。沙箱输出上限 8000、截断提示告诉模型"别原样重跑"、图表 base64 走 stdout 带标记回传------这些细节都是线上真实调用数据推出来的。

智能体内核「口袋专家 Harness」已开源：PocketExpertHarness，欢迎查看源码、参与交流和点 Star。