AMA-CMFAI/LAMBDA · 上手攻略

仓库：AMA-CMFAI/LAMBDA
链接：https://github.com/AMA-CMFAI/LAMBDA
分类：AI 数据分析 · LLM Agent · 数据科学工具
作者：Tom
更新：2026-08-27

是什么

LAMBDA（Large Model Based Data Agent）是一个将自然语言问题转化为可复现数据分析工作流的 AI Agent 系统。用户上传数据集、用自然语言提问，LAMBDA 自动完成数据探索、编写并运行代码、生成可视化、撰写报告，并支持导出为 Jupyter Notebook、Markdown、PDF 或幻灯片。

该项目有对应的发表论文（Sun et al., 2026, JASA），论文讨论了 LLM Agent 在统计与数据科学中的能力边界与不确定性。仓库代码最新为 lambda-v2 分支，前代开源版本在 legacy-open-source 分支（lambda-v1 tag）。

核心定位：比 ChatGPT Code Interpreter 更自主、更持久的数据分析 Agent——每个对话有独立持久工作区，变量和生成文件跨轮次保留，且支持中文报告输出。

解决什么问题

传统数据分析流程：Python 脚本 → Jupyter Notebook → 可视化 → 报告，门槛高、无法对话式迭代。

LAMBDA 的目标：任何懂业务但不懂代码的人，上传 CSV / Excel / 文本文件 → 用自然语言提问 → 获得完整分析报告，无需写一行代码。

典型场景： - 数据分析师想让 AI 快速了解新数据集的结构与主要模式 - 业务人员上传运营数据，想得到中文分析报告 - 研究者需要对多个数据集批量做探索性分析（Autonomous Exploration 模式）

快速安装

环境要求

Python 3.11+
Node.js 20+
npm
可选（PDF/中文报告）：TeX Live + XeLaTeX

快速启动

# 1. 克隆仓库
git clone https://github.com/AMA-CMFAI/LAMBDA.git
cd LAMBDA

# 2. 配置后端
cp backend/.env.example backend/.env
# 编辑 backend/.env，填入：
# OPENAI_API_KEY=your-api-key
# OPENAI_BASE_URL=https://api.openai.com/v1   # 或其他兼容端点
# MODEL_LIST='["gpt-4o","deepseek-v4-pro"]'  # 逗号分隔的模型 ID 列表

# 3. 一键启动（前后端同时运行）
./start.sh

# 4. 打开浏览器
open http://localhost:3000

手动分步启动

# 后端
cd backend
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
cp .env.example .env
# 手动编辑 .env 后：
uvicorn main:app --host 0.0.0.0 --port 8000 --reload

# 前端（另开终端）
cd frontend
npm install
npm run dev

指定端口

BACKEND_PORT=8010 FRONTEND_PORT=3010 ./start.sh

中文报告依赖（可选）

# 自动安装 pdflatex + CJK 字体（需要 sudo）
LAMBDA_AUTO_INSTALL_SYSTEM_DEPS=1 ./start.sh

# 或手动运行脚本
./scripts/install-system-deps.sh

核心用法

基础对话式分析

打开 http://localhost:3000
选择模型（从 MODEL_LIST 配置的列表中选）
上传数据文件（CSV / Excel / 文本），或使用示例数据集
输入自然语言问题，例如：

Analyze this dataset, identify the main patterns, create visualizations,
and write a report with the most important findings.

自动探索模式（Autonomous Exploration）

无需人工引导，LAMBDA 会自主完成：数据检查 → 计划分析 → 运行代码 → 生成图表 → 输出报告。适合对多个文件批量做EDA。

模型接入配置

LAMBDA 通过 OpenAI 兼容接口调用模型，支持任意provider（OpenAI / DeepSeek / 本地模型等）：

# backend/.env 示例
OPENAI_API_KEY=sk-xxxx
OPENAI_BASE_URL=https://api.openai.com/v1
MODEL_LIST='["gpt-4o","gpt-4o-mini","deepseek-chat"]'
DEFAULT_MODEL=gpt-4o   # 可选，指定默认模型

支持的 API 格式：

POST {OPENAI_BASE_URL}/chat/completions

工作区结构

每个对话的工作区路径：backend/data/workspaces/<conversation_id>/

生成的文件（图表、报告、Notebook）在 UI 的 Files 面板中可见。

本地数据库：backend/data/lambda_local.db（对话历史、上传记录）

⚠️ 注意：backend/data/ 目录已在 .gitignore 中，不会被提交。

典型适用场景

场景	说明
探索性数据分析（EDA）	上传 CSV，快速了解分布、缺失值、异常值
批量报告生成	Autonomous 模式批量跑多个数据集
中文报告输出	配置 XeLaTeX + CJK 字体后自动生成中文 PDF
Jupyter Notebook 导出	分析过程导出为可复现的 .ipynb 文件
多模型对比	在 `MODEL_LIST` 配置多个模型，UI 中快速切换对比结果

坑与注意

安全边界：./start.sh 默认不做沙箱隔离。LAMBDA 在运行机器上执行任意 Python/Shell 代码，不要直接暴露到公网或对不可信用户开放。
PDF/中文报告依赖：若不安装 TeX Live，./start.sh 会在缺少时尝试自动安装（LAMBDA_AUTO_INSTALL_SYSTEM_DEPS=1）；手动安装可运行 ./scripts/install-system-deps.sh。
v1 vs v2 分支：当前主线为 lambda-v2（main 分支），legacy-open-source 分支为 v1。两者 API 和功能差异较大，安装前确认分支。
MODEL_LIST 格式：必须是有效 JSON 数组，模型 ID 区分大小写且须与实际 provider 支持的 ID 完全一致；填错模型 ID 会导致调用失败但无明确错误提示。
工作区存储：对话产生的大量中间文件默认存在 backend/data/workspaces/，长期使用后可能积累大量文件，建议定期清理。
中文 UI：在配置了 CJK 字体后，模型生成中文报告的能力取决于模型本身（非 LAMBDA 本身的翻译）。

与同类对比

维度	LAMBDA	ChatGPT Code Interpreter	GitHub Copilot Data	pandas AI
部署方式	自托管（本地运行）	OpenAI 托管	云端	自托管 / API
中文报告	✅（需 TeX）	❌	❌	❌
持久工作区	✅（跨轮次保留变量）	❌（每轮独立）	❌	❌
Autonomous 模式	✅（全自动探索）	❌	❌	❌
导出格式	Notebook / MD / PDF / Slides	仅 Notebook	❌	Markdown
数据格式	CSV/Excel/文本/更多	CSV/Excel/图片	代码片段	CSV
许可证	学术用途（论文已发表）	闭源	闭源	AGPL

核心差异：LAMBDA 是面向数据科学家的完整工作流 Agent（不只是代码执行器），且支持中文报告；自托管意味着数据和代码完全在本地。

一句话推荐结论

如果你需要一款本地部署、中文友好、支持自动探索式数据分析的 LLM Agent 工具，LAMBDA 是目前学术发表背书、代码完整度最高的开源选择——尤其是需要把数据分析结果直接导出为中文 PDF 报告的场景。