傳統(tǒng)數(shù)據(jù)分析方法依賴人工拼接的流程，如編寫SQL、調(diào)用Python腳本及手動解讀數(shù)據(jù)，不僅耦合度高且擴展性差，難以應(yīng)對動態(tài)、多模態(tài)的復(fù)雜數(shù)據(jù)。而大語言模型與智能體的出現(xiàn)，將數(shù)據(jù)分析從「規(guī)則執(zhí)行」推向「語義理解」，使機器能夠真正解讀數(shù)據(jù)內(nèi)在邏輯與關(guān)系，從而靈活完成查詢、建模與報告生成等多樣化任務(wù)。

近日，由上海交通大學(xué)、清華大學(xué)、微軟雷德蒙德研究院、上海 AI Lab 等機構(gòu)研究者聯(lián)合撰寫的最新綜述論文系統(tǒng)回顧了大語言模型在數(shù)據(jù)分析領(lǐng)域的整體演進：從傳統(tǒng)規(guī)則化流程到智能協(xié)作，從單模態(tài)到多模態(tài)融合，并提出構(gòu)建「通用數(shù)據(jù)分析智能體（General Data Analyst Agent）」的新范式。

• 論文標(biāo)題：LLM/Agent-as-Data-Analyst 
• 論文地址：https://arxiv.org/abs/2509.23988
• Github 項目主頁：https://github.com/weAIDB/awesome-data-llm

本文綜述了大語言模型（LLM）與智能體（Agent）在數(shù)據(jù)分析領(lǐng)域的最新進展，重點討論結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化及異構(gòu)數(shù)據(jù)上的關(guān)鍵技術(shù)與演化趨勢，并總結(jié)出語義理解、自主管道、自動工作流、工具協(xié)作與面向開放世界五大方向。還提出了在可擴展性、評估體系與實際落地等方面的未來挑戰(zhàn)，旨在推動通用數(shù)據(jù)分析智能體的發(fā)展與應(yīng)用。

圖 1：大語言模型進行數(shù)據(jù)分析的技術(shù)演進示意圖

經(jīng)過系統(tǒng)的調(diào)研與分析，研究團隊總結(jié)出 LLM/Agent 技術(shù)在數(shù)據(jù)分析領(lǐng)域的四個核心演進方向：

• 從字面理解 → 語義推理：模型不再只「看數(shù)據(jù)」，而是真正「理解數(shù)據(jù)」，能洞察語義、推理邏輯。
• 從封閉工具 → 自由協(xié)作：模型能調(diào)用外部 API 與知識庫，與各類工具協(xié)同完成復(fù)雜任務(wù)。
• 從封閉數(shù)據(jù) → 開放域分析：針對沒有結(jié)構(gòu)約束的數(shù)據(jù)進行分析，擺脫原有工具限制，可以從數(shù)據(jù)中分析獲得更有價值的結(jié)論。
• 從靜態(tài)工作流 → 動態(tài)生成：智能體可自動構(gòu)建分析流程與管道，讓數(shù)據(jù)處理更高效、更靈活。
• 從人工 Agent 框架 → 自動生成框架：智能體可以智能構(gòu)建為某個工作服務(wù)的智能體，更靈活的實現(xiàn) Agent 工作流。

這五大趨勢共同指向一個方向——讓數(shù)據(jù)分析真正從「規(guī)則系統(tǒng)」邁向「智能體系統(tǒng)」，讓模型不止是工具，而成為數(shù)據(jù)智能時代的思考者與合作者。

圖 2：LLM/Agent-as-Data-Analyst 技術(shù)總覽，涵蓋本文具體討論的四大數(shù)據(jù)模態(tài)：結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)和異構(gòu)化數(shù)據(jù)。

圖 2 展示了該綜述的主要研究內(nèi)容，首先從不同數(shù)據(jù)類別進行介紹，包括結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)以及異構(gòu)數(shù)據(jù)，針對不同數(shù)據(jù)類型，針對不同任務(wù)或技術(shù)展開。

• 結(jié)構(gòu)化數(shù)據(jù)：（1）關(guān)系型數(shù)據(jù)分析：由 NL2SQL 向多樣化的 NL2Code、ModelQA 過渡，研究方向包括語義對齊與模式鏈接、多步分解與檢索增強推理、端到端表格問答（TableGPT、ReAcTable）；（2）圖數(shù)據(jù)分析：以 NL2GQL 為代表，研究重點在圖查詢生成、語義級圖推理與代理式操作（如 R3-NL2GQL、GraphGPT），逐步實現(xiàn)從代碼級到語義級的自動理解與執(zhí)行。
• 半結(jié)構(gòu)化數(shù)據(jù)：（1）標(biāo)記語言理解：任務(wù)包含標(biāo)記抽?。ㄈ?Evaporate）、標(biāo)記查詢（如 XPath Agent）、以及結(jié)構(gòu)語義理解（如 MarkupLM）。技術(shù)路線從模板 + 規(guī)則驅(qū)動向基于 LLM 的數(shù)據(jù)抽取與查詢轉(zhuǎn)變，強調(diào)樹結(jié)構(gòu)建模、層級編碼、工具增強等；（2）半結(jié)構(gòu)化表格理解：核心任務(wù)涵蓋表格結(jié)構(gòu)化表示（如 ST-Raptor）、模型驅(qū)動轉(zhuǎn)換（如 TabFormer）、表格提示壓縮（如 HySem）與查詢推理（如 CoS）。
• 非結(jié)構(gòu)化數(shù)據(jù)：（1）文檔理解：使用 OCR 等技術(shù)將文檔轉(zhuǎn)換為純文本格式（ZenDB、QUEST），結(jié)合 RAG 等技術(shù)進行理解；從 OCR 模板式到 VLM 轉(zhuǎn)變（DocLLM、DocOwl2、DLAFormer），任務(wù)包括版面識別、RAG 檢索問答、摘要生成與多文檔推理。（2）圖表理解：將圖像解析與自然語言推理結(jié)合（ChartQA、Chart-of-Thought），支持描述生成、問答與可視化推理。（3）視頻與 3D 模型分析：實現(xiàn)時序定位、行為識別、三維語義融合（Video-LLaMA、LLMI3D）。
• 異構(gòu)數(shù)據(jù)：跨模態(tài)整合多源數(shù)據(jù)湖，支撐統(tǒng)一語義查詢與多模態(tài)推理。主要子任務(wù)包括模態(tài)對齊、自然語言檢索接口、異構(gòu)分析智能體（HetAgent、XMODE）。

不同于以往聚焦單一任務(wù)或單一模態(tài)的研究，這篇綜述首次從全模態(tài)與全流程視角系統(tǒng)梳理了 LLM/Agent 在數(shù)據(jù)分析領(lǐng)域的整體格局，提出了構(gòu)建「通用數(shù)據(jù)分析智能體（General Data Analyst Agent）」的五項核心設(shè)計原則。它不僅總結(jié)了當(dāng)前研究的關(guān)鍵能力與趨勢，也揭示了可擴展性、魯棒性與開放域適配等未來挑戰(zhàn)。歡迎感興趣的讀者閱讀、討論和引用該論文。