今天来聊聊LLM能否取代数据分析师的工作？数据分析到底是啥。简单来说，就是帮助产品团队基于数据做出正确决策。从描述性分析到预测性分析，再到规范性分析，每一步都至关重要。但要让LLM成为数据分析师，我们得从基础做起，先让LLM学会处理描述性分析和报告任务。
接下来，我们聊聊LLM Agent和工具的概念。想象一下，如果LLM能够像真正的分析师一样，根据需要选择使用不同的工具，那会是怎样的体验？这就是我们要探索的——让LLM成为一个能够自主选择行动方案的智能体。
我们用OpenAI的函数作为工具，让LLM能够执行SQL查询、使用计算器或者调用搜索引擎等操作。这些工具让LLM能够与现实世界互动，极大地扩展了它的能力。
举个例子，我们教LLM如何使用一个计算两个指标之间百分比差异的工具。首先，我们定义了一个工具函数，并用@tool装饰器标记。然后，我们把这个工具转换成OpenAI函数，这样LLM就知道如何使用它了。
classMetrics(BaseModel):
metric1:float=Field(description="基础指标"
metric2:float=Field(description="基于基础指标计算差异的相对指标")
@tool(args_schema=Metrics)
defpercentage_difference(metric1:float,metric2:float)->float:
"""计算两个指标之间的差异百分比"""
return(metric2-metric1)/metric1*100
使用langchain，我们就可以得到可以作为openai api函数参数的描述
fromlangchain.tools.renderimportformat_tool_to_openai_function
print(format_tool_to_openai_function(percentage_difference))
这里我们继续定义2个新的工具，获取指定月份的用户数量以及查询维基百科
importdatetime
importrandom
classFilters(BaseModel):
month:str=Field(description="月份，格式为%Y-%m-%d")
city:Optional[str]=Field(description="客户的居住城市（默认不筛选）",
enum=["上海","武汉","北京","深圳"])
@tool(args_schema=Filters)
defget_monthly_active_users(month:str,city:str=None)->int:
"""返回指定月份的活跃用户数量"""
dt=datetime.datetime.strptime(month,'%Y-%m-%d')
total=dt.year+10*dt.month
ifcityisNone:
returntotal
else:
returnint(total*random.random())
importwikipedia
classWikipedia(BaseModel):
term:str=Field(description="查询的词条")
@tool(args_schema=Wikipedia)
defget_summary(term:str)->str:
"""返回维基百科提供的关于给定词条的信息"""
returnwikipedia.summary(term)
然后，我们构建一个名为analyst_chain的处理流程，它可以接受用户请求，调用适当的工具，并返回结果。比如，用户问“2023年4月上海的用户数量是多少？”我们的LLM就能调用get_monthly_active_users工具，得到准确的数据。
toolkit={
'percentage_difference':percentage_difference,
'get_monthly_active_users':get_monthly_active_users,
'get_summary':get_summary
}
analyst_functions=[format_tool_to_openai_function(f)
forfintoolkit.values()]
fromlangchain.promptsimportMessagesPlaceholder
model=ChatOpenAI(temperature=0.1,model='gpt-4-1106-preview')\
.bind(functions=analyst_functions)
prompt=ChatPromptTemplate.from_messages([
("system","你是一名产品分析师，愿意帮助你的产品团队。你非常严谨且准确。你只使用初始请求中提供的信息。如果你需要确定某些信息，例如省会的名称，你可以使用维基百科。"),
("user","{request}"),
MessagesPlaceholder(variable_name="observations")
])
analyst_chain=prompt|model|OpenAIFunctionsAgentOutputParser()
更复杂的是，如果用户问“2023年4月和5月，广东省会的用户数量变化了多少？”我们的LLM需要先查询Wikipedia找到广东省会（深圳），然后分别获取4月和5月的用户数据，最后计算这两个月之间的用户数量变化百分比。这一系列操作展示了LLM如何使用多个工具进行逻辑推理。
result1=analyst_chain.invoke({
'request':"2023年4月和5月，广东省会的用户数量变化了多少？",
"observations":[]
})
observation1=toolkit[result1.tool](result1.tool_input)
print(observation1)
result2=analyst_chain.invoke({
'request':"2023年4月和5月，广东省会的用户数量变化了多少？",
"observations":format_to_openai_functions([(result1,observation1)])
})
...
通过这些实践，我们发现LLM在处理复杂问题时，能够合理地调用不同的工具，按照逻辑步骤逐步解决问题。虽然目前这个原型还很基础，远远达不到初级数据分析师的水平，但这只是个开始。未来，我们将继续探索LLM Agent的更多可能性，甚至让它们能够访问数据库，回答更基础的问题。
