方案简介

Claude Data Analysis Assistant 是一个基于 Claude Code 构建的现代化智能数据分析平台。它利用 Claude Code 的三大机制——sub-agents（子代理）、slash-commands（斜杠命令）和 hooks（钩子自动化脚本），把传统数据分析工作流（探索性分析、统计检验、可视化、报告撰写、代码生成、质量校验）转化为 AI 驱动的命令式操作。

用户只需把 CSV/JSON/Excel 数据放入 data_storage/ 目录，即可通过直观的斜杠命令完成从数据探索到最终报告的完整流程。项目内置多个专业子代理，如 data-explorer（统计分析）、visualization-specialist（图表可视化）、code-generator（生产级代码）等，各自负责一个分析环节。

该方案适合希望用 AI 辅助提升数据分析效率的数据分析师、业务人员和研究者的 Claude Code 用户。项目采用 MIT License 开源，灵感来自 DATAGEN 项目。

亮点与能力

• 智能子代理体系：内置六个专业子代理，分别负责统计分析、可视化、代码生成、报告撰写、质量校验和假设生成
• 直观斜杠命令：/analyze、/visualize、/generate、/report、/quality、/hypothesis 覆盖常用分析操作
• 自动化工作流：数据上传时自动质量检查，项目感知的智能上下文分析建议
• 可复现分析：完整文档与代码生成，保证分析过程可复现
• 多样可视化：趋势、分布、相关性、对比等多类图表，支持交互探索
• 多语言代码生成：支持 Python（Pandas/NumPy/Scikit-learn/Matplotlib）、R（Tidyverse/ggplot2/caret）、SQL、JavaScript（D3.js/Plotly.js）
• 多种分析类型：探索性分析、统计分析、预测分析和完整综合分析

组成与分工

• Claude Code：平台运行基础，提供子代理、斜杠命令与 hooks 的配置体系（.claude/settings.）
• Sub-agents 子代理：data-explorer 负责统计与模式发现；visualization-specialist 负责图表；code-generator 负责生产级代码；report-writer、quality-assurance、hypothesis-generator 分别负责报告、质控与假设（部分尚在开发中）
• Slash Commands：.claude/commands/ 中定义的命令入口，将常见分析操作封装为一行命令
• Hooks：.claude/hooks/ 自动化脚本，用于自动验证与上下文加载
• Python 3.8+：数据分析运行环境
• Pandas / NumPy / Scikit-learn / Matplotlib：Python 侧数据分析、建模与绘图库
• ggplot2 / caret：R 侧可视化与机器学习库

前置要求

• Python 3.8+（用于数据分析）
• 已启用 sub-agents 的 Claude Code
• 数据文件支持 CSV、JSON 或 Excel 格式

准备数据：将数据集放入 data_storage/ 目录：

bash
cp your_data.csv ./data_storage/

实施步骤

1. 放置数据

将你的数据集复制到 data_storage/ 目录：

bash
cp your_data.csv ./data_storage/

2. 运行探索性分析

使用斜杠命令对数据进行基础探索：

bash

Basic exploratory analysis

/analyze user_behavior_sample.csv exploratory

3. 创建可视化

bash

Create visualizations

/visualize user_behavior_sample.csv all

4. 生成分析代码

bash

Generate analysis code

/generate python data-cleaning

5. 生成综合报告

bash

Create comprehensive report

/report user_behavior_sample.csv complete markdown

生成的图表保存在 visualizations/，代码保存在 generated_code/，报告保存在 analysis_reports/。

使用与配置要点

典型工作流示例

用户行为分析完整流程：

bash
/analyze user_behavior.csv exploratory
/visualize user_behavior.csv trends
/quality user_behavior.csv clean
/report user_behavior.csv complete html
/generate python user-segmentation

销售数据分析：

bash
/analyze sales_data.csv statistical
/visualize sales_data.csv trends
/generate sql revenue-analysis
/report sales_data.csv executive pdf

高级用户定制

1. 修改 .claude/agents/ 中的子代理配置
2. 在 .claude/commands/ 添加自定义命令
3. 在 .claude/settings. 配置 hooks 自动化
4. 添加自定义分析脚本扩展功能

帮助

使用 /help 命令获取使用帮助，也可查阅 docs/ 目录文档和 examples/ 示例。

注意事项与常见问题

• 项目当前处于 Week 1.1 初始化阶段：data-explorer、visualization-specialist 子代理和核心命令（/analyze、/visualize、/generate）及 hooks 已完成；report-writer、quality-assurance、hypothesis-generator 子代理及高级命令、交互式仪表板、外部工具集成尚在开发中
• 数据文件需放在 data_storage/ 目录
• 支持 CSV、JSON、Excel 格式数据
• 项目使用 MIT License，欢迎通过 fork、建分支、提交 PR 的方式贡献
• 可使用项目自带的 user_behavior_sample.csv 示例数据上手，包含 user_id、session_id、timestamp、action、page_url、device_type、location、revenue 字段

优缺点

• ✓ 子代理专业分工，覆盖分析全流程
• ✓ 命令化操作，分析可复现
• ✕ 部分子代理仍在开发中未完成
• ✕ 依赖 Claude Code 订阅环境

出处

本方案挖掘自开源项目 liangdabiao/claude-data-analysis，方案内容与实施命令均来自其 README 原文。