跳转到主要内容
数据分析智能体（DANA，Data ANAlyst）是 Devin 的一个专用版本，针对数据库查询、数据分析和可视化进行了优化。它专为数据分析工作流设计，强调高效与简洁。

​
何时使用 Data Analyst Agent

在以下场景中，Data Analyst Agent 非常适合使用：
  • 查询数据库：针对已连接的数据源编写并执行 SQL 查询
  • 分析数据：探索模式、计算指标并分析数据中的趋势
  • 创建可视化：使用 seaborn 生成专业的图表和图形
  • 回答数据相关问题：快速、准确地解答关于数据的问题
  • 生成洞察：发现模式、异常以及可执行的关键发现

​
访问 Data Analyst Agent

​
在 Web 应用中

  1. 进入 Devin 首页
  2. 点击智能体选择下拉菜单
  3. 在下拉菜单中选择 Data Analyst
  4. 从与数据相关的问题或任务开始会话

​
在 Slack 中发起

你可以在 Slack 中通过以下任一方式直接启动 Data Analyst 会话： 使用斜杠命令： 
/dana 上个月收入排名前 10 的客户是哪些？
在 @ 提及中使用 !dana 宏： 
@Devin !dana 上个月按收入排名前 10 的客户是哪些?
这两种方法都会创建一个 Data Analyst 会话，并在该线程中返回结果。

​
前置条件

在使用 Data Analyst Agent 之前，你需要通过 MCP（Model Context Protocol，模型上下文协议）至少连接一个数据源。常见的集成方式包括：
  • 数据库 MCP：Redshift、PostgreSQL、Snowflake、BigQuery 以及其他 SQL 数据库
  • 分析类 MCP：Datadog、Metabase 以及其他可观测性平台
如果没有已连接的数据源，该 agent 会提醒你，并在继续之前要求你先连接一个数据源。

Set up MCP integrations

了解如何通过 MCP 连接数据库和其他数据源

​
工作原理

​
Database Knowledge

Data Analyst Agent 会维护一条 Database Knowledge 笔记，其中包含与你所连接数据库相关的 schema 文档。在执行查询之前，Agent 会自动参考这条笔记中的信息，从而能够快速识别正确的表和列。

​
示例提问

以下是针对不同查询类型使用 Data Analyst Agent 的一些有效方式：

​
简单查询

  • “我们上周有多少活跃用户？”
  • “过去一个月我们的每日收入趋势如何？”
  • “哪些客户的使用量最高？“

​
聚合与指标

  • “过去 30 天内，不同套餐层级的平均会话时长是多少？”
  • “按地区和产品线展示第四季度（Q4）的总收入”
  • “计算本周每个 API 端点的第 95 百分位响应时间”

​
关联与跨表分析

  • “将我们的 users 表与 orders 表做关联查询，并展示按生命周期价值排序的前 20 位客户”
  • “关联注册来源与 30 天留存率——哪些获客渠道的留存率最高？”
  • “将会话数据与计费记录结合起来，查找使用量高但支出低的账户”

​
筛选与细分

  • “仅显示在 2025 年 1 月之后注册且会话次数超过 100 次的 Enterprise 客户”
  • “将错误日志筛选为仅包含过去 48 小时内来自 payments 服务的 5xx 错误”
  • “按 Enterprise 客户与自助服务客户拆分使用量，并排除试用账户”

​
时间序列分析

  • “绘制过去 6 个月的每周活跃用户数，并标出任何变化超过 10% 的周”
  • “展示 2025 年与 2024 年注册率的月度对比”
  • “过去 90 天的 API 调用日度趋势如何？叠加一条 7 天移动平均线”

​
调查与异常检测

  • “为什么上周二注册量下降了？检查是否有相关的事故或部署变更”
  • “本周我们的错误率中是否存在异常情况？”
  • “将本月的指标与去年同期进行对比，并标记显著偏差”

​
多步分析

  • “按分群分析第四季度的用户留存情况，然后找出流失最严重的分群，并给出可能原因”
  • “找出按会话数排名前 10 的用户，展示他们的活动随时间的变化情况，并标记出看起来可能要流失的用户”

​
支持的数据源

Data Analyst Agent 通过 MCP（Model Context Protocol，模型上下文协议）集成访问你的数据。你可以连接多个数据源并在它们之间进行跨源查询。下面列出的是 MCP Marketplace 中最常见的一些数据源——这并非完整列表。

​
SQL 数据库

数据源MCP 名称配置方式
Amazon RedshiftRedshift连接字符串 + 凭证
PostgreSQLPostgreSQL连接字符串
SnowflakeSnowflake帐户 + 凭证
Google BigQueryBigQueryOAuth 或服务帐户
MySQLMySQL连接字符串
SQL ServerSQL Server连接字符串
NeonNeonOAuth
SupabaseSupabase个人访问令牌
Cloud SQL (PostgreSQL, MySQL, SQL Server)Cloud SQLOAuth

​
分析与可观测性平台

数据源MCP 名称配置方式
DatadogDatadogAPI key + 应用密钥
MetabaseMetabaseOAuth
GrafanaGrafanaURL + 服务账号令牌
SentrySentryOAuth

​
连接数据源

  1. 进入 Settings > MCP Marketplace
  2. 找到你的数据源并点击 Enable
  3. 提供所有必需的凭据（连接字符串、API key 或 OAuth）
  4. 启动一次 Data Analyst 会话——智能体会自动发现你已连接的数据源
需要的数据源不在 Marketplace 中？使用 Add Your Own，通过直接提供其配置来连接任意 MCP 服务器。

Set up MCP integrations

每个数据源的完整设置说明
你可以同时连接多个数据源。Data Analyst Agent 会根据你的查询上下文使用合适的 MCP 工具。

​
最佳实践

​
明确你的指标

不要提出模糊的问题，而是要精确定义你想要衡量的指标： 
“我们的 7 日活跃用户数是多少？这里的定义是：至少启动过一次会话的用户。”

​
指定时间范围

始终明确你感兴趣的时间范围。代理在解析相对日期时默认使用 UTC。 
"展示过去 30 天的每日收入"

​
请求特定的输出格式

告诉 agent 你希望以什么形式查看结果——表格、图表，或摘要： 
"绘制一张展示过去一个季度每周注册量的折线图，并在下方给出原始数据表格"

​
事先定义业务逻辑

如果你的指标有特定的业务定义，请在提示中直接说明，以避免歧义： 
"显示月度流失率，其中「流失」定义为：在过去 30 天内会话数为 0、但在之前 30 天内至少有一次会话的账户"

​
请求对比和上下文信息

添加对比时间段或基准，可以让结果更便于采取行动： 
"展示本周的日活跃用户数，与上个月的同一周进行比较，并标出任何偏差超过 15% 的日期"

​
对结果进行迭代

你可以在同一会话中继续追问，以便更深入分析：
  1. 先从整体入手：“从营收来看，本季度排名前 10 的客户是谁？”
  2. 进一步细化：“针对这前 3 名客户，展示他们过去一年的月度营收趋势”
  3. 进一步分析：“客户 X 在 3 月的营收出现激增——是什么原因导致的？“

​
验证 SQL

Agent 始终会附上它使用的 SQL 查询。请审查该查询，确保其逻辑符合你的预期，尤其是在涉及连接、过滤或聚合等复杂分析时。

​
输出格式

Data Analyst Agent 会根据分析类型，以多种格式返回分析结果：

​
表格

对于数据查询和聚合，结果会以格式化的表格形式返回： 
| Customer       | Revenue   | Sessions | Avg Duration |
|----------------|-----------|----------|--------------|
| Acme Corp      | $125,400  | 1,247    | 34 min       |
| Globex Inc     | $98,200   | 983      | 28 min       |
| Initech        | $87,600   | 876      | 41 min       |

​
图表和可视化

当你请求进行可视化分析，或数据以图形方式更易理解时，智能体会使用 Seaborn 生成图表。常见图表类型包括：
  • 折线图 — 时间序列趋势、随时间的对比
  • 柱状图 — 分类对比、排名
  • 热力图 — 相关性矩阵、活动模式
  • 散点图 — 两个指标之间关系分析
如果你有偏好，可以请求特定图表类型，或者让智能体为你的数据选择最适合的可视化方式。

​
总结与洞察

对于调查类提示，agent 会提供包含以下内容的结构化响应：
  • 分析概述 — 用通俗语言回答你的问题
  • SQL 查询 — 使用的精确查询，方便你验证其逻辑
  • 关键指标 — 突出显示的最重要指标
  • 数据洞察 — 发现的模式、异常或其他值得注意的结果
  • Metabase 链接 — 如果你的组织通过 MCP 连接了 Metabase，agent 可能会附上一个交互式仪表盘链接，供你进一步探索

​
Knowledge 管理

Data Analyst Agent 可以使用 Knowledge 系统在不同会话之间持久化所学内容。当它发现：
  • 新的 schema 信息或表之间的关系
  • 业务逻辑或指标定义
  • 数据质量模式或相关注意事项
它会将这些内容保存到 Knowledge 笔记中，以便后续会话能够利用已有的成果。

进一步了解 Knowledge

了解 Devin 的 Knowledge 系统的工作原理

​
与标准版 Devin 的差异

功能Data Analyst Agent标准版 Devin
SQL 查询执行已优化支持
数据可视化内置 seaborn 支持需手动配置
数据库模式感知预加载 Knowledge按需探索
响应风格简洁、侧重指标解释更为详细
代码变更非主要关注点完整支持
MCP 集成必需可选
Data Analyst Agent 专为数据相关工作打造。对于涉及代码变更、部署或通用软件工程的任务，请改用标准版 Devin。