DeepAnalyze

上传数据，自动分析，一键生成专业报告

开源 🏷️定价信息待确认 ✅ 目前可打开对话助手 🍴 复刻 753 🐛 待处理 27 👀 关注 51

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 4803

维护状态较活跃

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

DeepAnalyze 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类对话助手

开发团队ruc-datalab

官网地址https://ruc-deepanalyze.github.io

GitHubhttps://github.com/ruc-datalab/DeepAnalyze

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议MIT

主要语言Python

技术栈/模型agent,agentic,agentic-ai,ai,ai-scientist,chatbot,data,data-analysis,data-engineering,data-science,data-visualization,database,deep-research,jupyter,llm,open-source,python,python-programming,qwen,science

GitHub 星标★ 4803

上线时间2025-10-11 00:00:00

代码更新2026-11-02

仓库体积57.4 MB

本站数据更新2026-11-09

维护状态较活跃

收录时间2026-08-09

浏览次数6

项目介绍

DeepAnalyze 是一个基于 Agent 架构的自主数据科学分析工具，定位为你的 AI 数据分析师。它能够自动处理大规模数据集，完成从数据清洗、探索性分析、特征工程到模型训练的全流程，并一键生成包含图表和结论的专业分析报告。项目解决了传统数据分析依赖人工编码和重复劳动的问题，通过自然语言交互降低使用门槛，让非专业人士也能完成复杂的数据洞察。其核心能力包括多步骤任务规划、自动代码执行、结果可视化以及报告生成，支持与主流数据格式无缝对接。目前项目处于成长阶段，社区活跃，适合快速上手体验。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 4803

技术标签

agent agentic agentic-ai ai ai-scientist

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：高级约 60 分钟部署方式：模型权重 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

支持 CUDA 的 NVIDIA GPU，显存至少 16GB
Python 运行环境（项目开发语言为 Python）
已安装 git，可克隆 GitHub 仓库
已获取与显存匹配的 DeepAnalyze 模型权重

安装与启动步骤

1克隆项目仓库

从 GitHub 拉取 DeepAnalyze 源码。README 节选未给出依赖安装命令，后续步骤以官网文档为准。
```
git clone https://github.com/ruc-datalab/DeepAnalyze.git
```
2核对显存与模型

按 README 提供的显存对照表，根据 GPU 显存选择原始模型或 8-bit / 4-bit 量化模型，并确定 max-model-len。
3生成量化模型

如需 8-bit 或 4-bit 量化版本，使用仓库内提供的量化脚本转换模型权重。
```
./quantize.py
```
4按官网文档部署

README 节选未包含依赖安装与推理服务启动命令，请访问官网文档完成部署、启动与使用。

关键配置

配置项	必填	说明	示例
`Model Type`	是	选择原始模型或量化模型，须与显存匹配	`4-bit Quantized`
`max-model-len`	是	推理最大上下文长度，显存越小可设值越低	`8192`
`Use FP8 KV Cache`	否	启用 FP8 KV Cache 可降低显存占用	`true`