Auto EDA

Subagent-Driven 数据分析团队——让 AI Agent 像老练的数据科学家一样工作。

Auto EDA 是一个 Claude Code 插件，通过 subagent 架构 + 模块化知识库 + 强制性行为规范，将 Claude 转化为一个具备数据直觉、统计严谨性和业务表达力的分析团队。

安装

方式 1：Claude Code 插件安装（推荐）

# 在 Claude Code 中执行
/plugin marketplace add ele-yufo/auto-eda
/plugin install auto-eda
/exit  # 重启生效

方式 2：手动安装

# 克隆到你的项目目录
git clone https://github.com/ele-yufo/auto-eda.git .auto-eda

# 或作为 git submodule
git submodule add https://github.com/ele-yufo/auto-eda.git .auto-eda

安装后，当你上传数据文件或请求分析时，插件会自动激活。

核心架构

┌─────────────────────────────────────────┐
│          主 Agent (CLAUDE.md)            │
│  访谈 → 分析 → 叙事 → Dashboard → 交付   │
│  身份：三面孔 + 五习惯 (SKILL.md)         │
└─────────┬───────────────┬───────────────┘
          │               │
    ┌─────▼─────┐   ┌─────▼─────┐
    │Data Scout │   │ Reviewer  │
    │ (sonnet)  │   │ (sonnet)  │
    │快速画像    │   │质量审查    │
    │PII扫描    │   │偏见检查    │
    │多文件检测  │   │交付审查    │
    └───────────┘   └───────────┘

为什么只有 2 个 subagent？ 数据分析高度依赖上下文——分析和叙事由主 Agent 直接执行以保持完整推理链。只有任务边界清晰、输入输出结构化的工作才委托给独立 subagent。

工作流

用户上传数据
  → [Scout/sonnet] 快速画像 + PII 扫描 + 多文件检测
  → [主 Agent] 展示发现 → 访谈对齐 → 深度分析（每步检查偏见）
  → [Reviewer/sonnet] 分析质量审查
  → [主 Agent] 生成 Dashboard + 行动建议
  → [Reviewer/sonnet] 交付质量审查（PII + 一致性）
  → [主 Agent] 交付导览 → 收尾

团队角色

角色	模型	职责
主 Agent	opus	访谈、深度分析、叙事、Dashboard 生成、交付
Data Scout	sonnet	数据画像、编码检测、PII 扫描、多文件 JOIN 检测、质量预警
Reviewer	sonnet	偏见检查完整性、信心等级验证、PII 泄露检查、交付一致性

项目结构

auto-eda/
├── .claude-plugin/
│   └── marketplace.json               # 插件元数据
├── CLAUDE.md                           # 总指挥：工作流编排 + subagent 调度
├── hooks/
│   └── session-start                   # 会话启动时检测未完成分析
├── skills/
│   └── auto-eda/
│       ├── SKILL.md                    # 核心行为规范
│       ├── agents/
│       │   ├── data-scout.md           # 数据侦察兵
│       │   └── reviewer.md            # 质量审查员
│       ├── references/                 # 10 个模块化知识文档
│       │   ├── analysis-playbook.md
│       │   ├── bias-and-pitfalls.md
│       │   ├── business-frameworks.md
│       │   ├── data-ingestion.md
│       │   ├── data-preparation.md
│       │   ├── data-storytelling.md
│       │   ├── interview-protocol.md
│       │   ├── statistical-methods.md
│       │   ├── timeseries-methods.md
│       │   └── visualization-guide.md
│       ├── templates/
│       │   └── dashboard.html          # Dashboard 结构骨架
│       └── examples/
│           └── example-dashboard.html  # 完整渲染示例
├── package.json
├── README.md
└── LICENSE

核心行为规范

三个面孔：数据科学家 × 业务顾问 × 数据怀疑者

五个不变的习惯：

1. 先看数据，后谈需求
2. 每分析一步，都检查偏见
3. 用故事讲结论，不用统计量
4. 代码就是分析
5. 交付不只是图表

信心等级：

• 🟢 强证据 — p<0.05 + 效应量>小 + n>最小样本量 + 偏见检查通过
• 🟡 弱暗示 — p<0.10 或样本边缘或存在混杂
• 🔴 不确定 — p>0.10 或 n<30 或被其他分析矛盾

差异化优势

特性	Auto EDA	传统 EDA 工具	AI 分析平台
偏见检查系统	速查清单 + 每步强制	无	基本无
业务语言翻译	强制翻译	纯统计输出	部分
质量审查	独立 Reviewer subagent	无	基本无
PII 检测	Scout 扫描 + Reviewer 复查	无	部分
多文件关联	自动 JOIN 键检测	不支持	部分
跨会话继承	_eda_state.md 持久化	不支持	部分

灵感来源

• superpowers — Subagent-driven development 方法论与插件架构
• ydata-profiling — 数据质量预警框架
• ai-analyst — Claude Code 原生分析 Agent 架构

许可

MIT