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2.2 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3.2 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3.4 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3.6 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%n4500和 B 3.8%n4300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 822月 753月 914月 885月 966月 1027月 998月 649月 11010月 11811月 12112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) Q186.5 Q3112.0 IQR25.5 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 11.4995% 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:size64m,exec, -w, /tmp, -u, 65534:65534, -e, PYTHONDONTWRITEBYTECODE1, -e, HOME/tmp, -e, MPLCONFIGDIR/tmp, -e, PYTHONUNBUFFERED1, SANDBOX_IMAGE, timeout, --signalKILL, 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 128fork 炸弹--read-only--tmpfs /tmp:size64m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 --signalKILL 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 arX /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 stdout2.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, formatpng, bbox_inchestight, facecolorwhite) 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: 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_charttokens50,759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。
