Milu Lab 第7讲 / 实操讲义

AI 辅助统计分析与结果解释

把分析流程
搭成智能体

从一张框架地图出发,搭一条 Dify 工作流,再用 DSH Research Lab 跑通教育与公共卫生研究,把可复现的工具交给别人使用。

从框架地图开始 ↘

已有统计基础也能直接跳到实操。每个关键步骤都有「交给 AI」与「自己操作」两条路径。

一个研究问题“这份数据能说明什么?”
同一个交付标准数据有来源 · 数值可复算 · 别人能运行
01

先认清智能体的零件

聊天模型负责生成回答。把它接入工具、状态和执行循环,才开始形成能完成任务的系统。

Agent 智能体接收目标
选择行动
观察结果并继续
模型 / LLM理解问题、提出计划、解释输出。模型名称和框架名称分开选。
工具 / Tool真正读文件、调用接口、运行 Python。统计量由计算程序产生。
知识与技能 / RAG · SkillRAG 检索参考材料;Skill 约定一类任务的执行方法与验收要求。
上下文与状态 / State记住数据版本、当前步骤、已确认的方法;支持失败恢复与人工接管。
运行框架 / Harness组织模型与工具循环,处理权限、会话、日志。MCP 可作为连接外部工具的协议。

本讲的分工:人确认研究设计与分析方法 → 程序计算 → AI 解读 → 人核验。工作流可以包含智能体节点,智能体也可以调用固定工作流。

02

框架地图:你想搭哪一种?

按主要开发入口分组。点击任一节点,查看它在分析任务中的位置、输入输出与代价。

我的目标
智能体开发从使用门槛与控制权出发

可视化平台在画布里组织任务

运行框架与 SDK让工具围绕模型运行

代码编排库自己决定状态与控制流

LangChain 的 Agent 基于 LangGraph;LangGraph 也可以单独使用。

同一件事怎么实现?展开横向对照
任务:输入数据,得到可复核的分析报告
路线谁安排下一步计算在哪里如何给别人用主要维护成本
Dify / Coze画布节点与分支,也可调用 Agent代码节点或外部统计 API发布应用 / API,能力以版本为准平台、插件、模型配置
DSH + Research Lab智能体遵循协议与技能,调用脚本本地或服务器 Python源码包 / Preset / 受控 Web 工作区运行环境、权限、计算依赖
Claude Agent SDKSDK 提供循环,代码配置工具与权限运行 SDK 的受控环境自己封装服务与界面服务、鉴权、会话与费用
LangChain / LangGraphAgent 循环 / 显式状态图自己定义的工具与节点自己封装 API 与前端代码、持久化、观测与部署
03

把一次分析画成 Dify 工作流

先做一个能跑的小版本:输入数值数组,程序生成描述统计,模型解释。掌握变量传递后再接完整统计服务。

这个演示只在本页计算,不调用 Dify 或模型。工作流的实际搭建步骤见下方实操区。

扩展到 t 检验、回归时:用 HTTP Request 节点调用受控的 Python 统计 API,再把 JSON 交给模型。不要假设 Dify 沙箱已安装 scipy / statsmodels,文件上传也需要单独解析。

查看这条工作流的提示词、代码和变量映射 ↗

完整实操:逐节点搭建公共卫生分析工作流,下载DSL与测试数据 ↗

DSH Research Lab 教程:从安装到两个真实案例,教学资源包下载 ↗

04

同一工作台,两种研究任务

DSH 提供执行环境,Research Lab 提供科研协议、技能和计算脚本。切换实验,观察哪些部分复用、哪些必须重新定义。

DSH:模型、会话、权限与工具循环
Research LabPreset 角色配置 → Skill 执行规程 → Tool Python 计算
public-health领域知识 + protocol.md + 数据字典
可核验的交付results.json → tables / figures → report.md

图像来自本地 dsh-research-lab v0.2.0 的脚本输出快照,页面切换不会重新训练。复现时以自己的 results.json 为准;原始数据、协议和完整指标见项目仓库。

从双实验首跑到定制自己的 Agent ↗
05

同一步骤,两种做法

入门学员复制左侧提示词到能操作本机的 AI 编程工具;熟悉环境的学员使用右侧命令。网页聊天工具只能给指导,不能直接替你安装。

06

交付时,别人拿到什么?

选择交付形态,再决定构建和部署方式。Python 科研脚本通常直接运行;源码包、静态报告与在线智能体有不同的运行要求。

课堂验收:让另一位学员实际用一次
  1. 用一份正常输入完成运行,指出每个结论的数据与输出来源。
  2. 再提交空数组、缺列或错误编码,确认流程明确报错或要求修正。
  3. 在新目录解包并安装,复跑同一实验,与原结果核对。
  4. 分享链接时,换一个浏览器测试访问权限,确认密钥留在服务端。
  5. 留下版本、协议、提示词、计算代码和输出文件,记录需要人工判断的环节。

资料与版本

教学内容核对日期:2026-10-23。DSH 实操基线为 0.2.1-rc.2,Research Lab 为 v0.2.0。其余项目按官方文档安装,课堂前记录实际版本;界面、插件和部署参数随版本变化。

课程衔接:统计方法与结果解释导图。理论用来约束方法选择和核验;本页用来搭建、运行和交付。