简介

文章系统梳理了LLM/Agent作为数据分析师的技术路线，从5大设计维度和4类数据模态出发，全面介绍结构化数据(SQL/时序)、半结构化数据(HTML/表格)、非结构化数据(图表/视频/文档/3D)及异构数据湖的分析方法。文中包含100+代表性方法、Benchmark和开源数据集的一站式导航，以及从"人工开发"到"自主设计"的演化路线，为从业者提供完整的技术参考和实践指南。

---

上交大、清华、微软等首次把「LLM/Agent 当数据分析师」的技术路线系统拆成 5 大设计维度 与 4 类数据模态，并给出 100+ 代表性方法、Benchmark、开源数据集的一站式导航。

LLM/Agent-as-Data-Analyst 的技术全景图

一、核心框架：一张图看懂技术版图

五维演化路线

从「人工开发」到「自主设计」的五维演化路线

• ① 数据模态：同构 → 异构
• ② 分析功能：字面 → 语义
• ③ 知识范围：封闭世界 → 开放世界
• ④ 工具集成：紧耦合 → 工具箱即插即用
• ⑤ 开发方式：手工 → 完全自主

二、结构化：LLM 成为 SQL 高手

3.1 NL2SQL 技术栈全景

Figure-3 结构化数据两大范式

左：Pipeline（先语义解析→再生成 SQL→执行）
右：End-to-End（直接让 LLM 吐出答案，无需 SQL 中间态）

关键模块	典型技巧
Schema Linking	先让模型知道“有哪些表、字段”
内容检索	动态采样真实值，减少幻觉
多步生成	先 SELECT→再 JOIN→再 WHERE，分而治之
解码策略	Beam-Search + PICARD 后处理，保证语法合法

3.2 时间序列新玩法：TS2NL

把时序数据直接“说”给模型听——例如“2025-10-01 风速 10 km/h”，LLM 就能做异常检测、预测。
代表方法：SIGLLM、TimeRAG、TimeXL（多智能体协作）。

---

三、半结构化数据：妙解HTML/Excel

4.1 Markup 语言（HTML/JSON/XML）

大模型用于Markup语言概览

• Evaporate：用 LLM 自动生成抽取函数，无需手工 XPath
• WebFormer：把 DOM 树压进 Transformer，结构+文本一起编码
• XPath Agent：两阶段清洁→生成，网页爬虫零代码

4.2 不规则表格（合并单元格、层级表头）

Figure-5 半结构化表格 5 大痛点

① 缺索引 ② 层级内容 ③ 合并单元格 ④ 表头方向乱 ⑤ 内容格式不一致

解法思路：

• Tree-Based：TUTA、ST-Raptor 把表格变成“树”喂给 Transformer
• DSL 转换：TabFormer、Auto-Tables 用 LLM 生成“软操作符”→转 SQL
• Table Prompting：SheetCompressor 把 1 万行 Excel 压缩成 200 token，信息不丢

四、非结构化数据：图表、视频、文档、3D 一网打尽

5.1 图表理解（Chart QA）

Chart数据分析概览

任务	代表模型
图表描述	ChartThinker（链式思考）、FigCaps-HF（RLHF）
问答	ChartQA、ChartMoE（混合专家）
图→代码	ChartMimic、Text2Chart31（强化学习）

缺高质量数据？ChartLlama、EvoChart 用 GPT-4 合成 100 万对<图，QA>

5.2 视频分析：把 3 小时视频压成 256 token

Figure-8 LLM 视频分析流水线

• 关键帧抽取 + Token-Merging：TimeMarker、Grounded-VideoLLM
• 时间锚定：用「<t=05:12>」特殊 token 让模型精准定位
• 多智能体：检测→描述→摘要 分角色协作，长视频也能秒级回答

5.3 文档理解：超越 OCR 的多模态架构

非结构化文档分析技术挑战

阶段	代表模型
早期融合	LayoutLM（文本+坐标+图片一起输入）
中期融合	LayoutLMv2、DocFormer（双塔交叉注意力）
后期融合	DLAFormer（多任务共享主干）

RAG 方案：

• 文本分支 RAFT、视觉分支 M3DOCRAG，再双路融合 VisDoM
• 合成数据：PosterLlama 把“排版”变成 HTML+CSS 代码生成，无限扩增

5.4 3D 模型：点云→语言对齐

Figure-9 3D-Language Fusion 框架

• 3D-LLM：多视角渲染→视觉 token→LLM，实现场景描述、导航 QA
• 领域专用：3D-MoLM（分子）、ProteinChat（蛋白质）
• 跨模态强化：LLMI3D 只改 2% 参数就让 LLM 看懂单图→3D 几何

五、 异构数据湖：一句话查询所有模态

场景：
“找出 19 世纪油画里出现过≥3 次的颜色，对应拍卖价高于均值多少？”

• 模态对齐：Unicorn（MoE+对比学习）、Symphony（全部转文本嵌入）
• 检索：CAESURA 把 SQL、VQA、图文相似度统一成 SQL-Like 语法
• 智能体：XMODE 自动拆成“SQL 查年份→VQA 数颜色→Python 画图”

paper: https://ai.meta.com/research/publications/cwm/

六、如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

01.大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

02.大模型 AI 学习和面试资料

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】