🤖 Multi-Agents Data Analysis System

基于 Strands Agents 框架的多智能体数据分析系统

功能特性 • 快速开始 • 系统架构 • 使用示例 • 报告展示

📋 项目简介

Multi-Agents 是一个基于 Strands Agents 框架构建的多智能体协作系统，专注于自动化的数据获取、分析和可视化工作流。通过多个专业化的智能体协同工作，实现从原始数据到精美 HTML 报告的全流程自动化处理。

🎯 核心价值

🔄 全流程自动化：从数据获取到报告生成一站式完成
🤝 多智能体协作：不同智能体各司其职，高效协同
📊 智能数据分析：自动识别数据模式并进行深度分析
🎨 精美可视化输出：生成交互式 HTML 报告

✨ 功能特性

🔍 数据获取智能体

支持多种数据源接入（API、数据库、文件等）
自动数据清洗和预处理
增量更新和缓存机制

📈 数据分析智能体

自动统计分析
趋势识别和预测
异常检测
相关性分析

🎨 可视化智能体

动态图表生成（折线图、柱状图、雷达图等）
交互式仪表板
响应式 HTML 报告
多维度数据对比展示

🧠 协调智能体

任务分配和调度
智能体间通信协调
工作流管理
错误处理和重试机制

🏗️ 系统架构

┌─────────────────────────────────────────────────────────┐
│                    协调智能体 (Coordinator)                │
│                   任务分配 & 流程管理                        │
└─────────────────────────────────────────────────────────┘
                            │
        ┌───────────────────┼───────────────────┐
        ▼                   ▼                   ▼
┌───────────────┐  ┌───────────────┐  ┌───────────────┐
│  数据获取智能体  │  │  数据分析智能体  │  │  可视化智能体   │
│  Data Fetcher  │  │  Data Analyzer │  │  Visualizer   │
├───────────────┤  ├───────────────┤  ├───────────────┤
│ • API 调用    │  │ • 统计分析     │  │ • 图表生成     │
│ • 数据清洗    │  │ • 趋势预测     │  │ • HTML 报告    │
│ • 格式转换    │  │ • 异常检测     │  │ • 交互组件     │
└───────────────┘  └───────────────┘  └───────────────┘
        │                   │                   │
        └───────────────────┼───────────────────┘
                            ▼
                   ┌───────────────┐
                   │   HTML 报告    │
                   │  📊📈📉🎨     │
                   └───────────────┘

🚀 快速开始

环境要求

Python 3.8+
pip 或 conda

安装步骤

克隆项目

git clone https://github.com/1844909740/mutli-agents.git
cd mutli-agents

安装依赖

pip install -r requirements.txt

配置环境变量

cp .env.example .env
# 编辑 .env 文件，填入必要的配置信息

运行示例

python main.py

💡 使用示例

基础用例

from multi_agents import MultiAgentSystem

# 初始化多智能体系统
system = MultiAgentSystem()

# 配置数据源
system.configure_data_source(
    source_type="api",
    endpoint="https://api.example.com/data",
    params={"key": "your_api_key"}
)

# 执行分析任务
result = system.run_analysis(
    analysis_type="trend_analysis",
    output_format="html"
)

# 生成报告
system.generate_report(
    output_path="./reports/analysis_report.html"
)

高级配置

from multi_agents import MultiAgentSystem
from multi_agents.agents import DataFetcher, DataAnalyzer, Visualizer

# 自定义智能体配置
system = MultiAgentSystem()

# 配置数据获取智能体
system.add_agent(DataFetcher(
    name="fetcher_1",
    source="database",
    connection_string="postgresql://localhost/mydb"
))

# 配置数据分析智能体
system.add_agent(DataAnalyzer(
    name="analyzer_1",
    methods=["statistical", "ml_prediction"]
))

# 配置可视化智能体
system.add_agent(Visualizer(
    name="visualizer_1",
    template="modern_dashboard",
    interactive=True
))

# 运行工作流
system.execute_workflow()

📊 报告展示

Multi-Agents 系统能够自动生成专业的数据分析报告，包含多种可视化图表和详细的分析结果。以下是实际生成的报告示例：

📈 报告功能展示

生成的 HTML 报告包含以下核心模块：

1️⃣ 设备连接成功率趋势分析

实时监控多设备连接状态
自动识别异常波动
对比分析不同设备性能

2️⃣ 设备响应时间分析

追踪首帧出图时间
性能瓶颈识别
优化建议生成

3️⃣ 综合性能对比

多维度数据展示
柱状图、折线图、雷达图等多种图表
交互式数据探索

4️⃣ 智能异常检测

自动标记异常数据点
生成警告和建议
根因分析

🎨 报告特点

✅ 响应式设计 - 支持桌面端和移动端查看
✅ 交互式图表 - 基于 Chart.js，支持缩放、悬停提示等交互
✅ 专业配色 - 渐变色设计，视觉效果出色
✅ 自动化生成 - 无需人工干预，一键生成完整报告
✅ 数据驱动 - 基于真实数据分析，提供可操作的洞察

📸 报告界面预览

报告包含以下主要部分：

报告头部

显示分析时间区间、监控设备、生成日期等关键信息
采用渐变色背景，提升视觉吸引力

数据摘要

关键指标一目了然
自动高亮异常数据
提供主要发现总结

可视化图表

设备连接成功率趋势图 - 折线图展示各设备7天连接率变化
首帧出图时间趋势图 - 追踪设备响应速度
每日性能对比图 - 柱状图对比多设备表现
设备稳定性评分 - 雷达图展示综合评分

异常分析表格

详细列出每个异常事件
包含设备名称、日期、指标值和描述
使用颜色标记严重程度

建议措施

基于分析结果自动生成优化建议
分优先级列出改进方案
提供具体的执行步骤

💾 如何保存图表

生成报告后，您可以通过以下方式保存图表：

截图工具 - 使用系统截图功能保存整个报告或单个图表
浏览器右键 - 在图表上右键选择"保存图片"
打印功能 - 浏览器打印功能导出为PDF
开发者工具 - 使用浏览器开发者工具导出Canvas内容

📂 项目结构

mutli-agents/
│
├── agents/                 # 智能体模块
│   ├── __init__.py
│   ├── coordinator.py      # 协调智能体
│   ├── data_fetcher.py     # 数据获取智能体
│   ├── data_analyzer.py    # 数据分析智能体
│   └── visualizer.py       # 可视化智能体
│
├── utils/                  # 工具函数
│   ├── __init__.py
│   ├── data_processor.py   # 数据处理工具
│   └── html_generator.py   # HTML 生成工具
│
├── templates/              # HTML 模板
│   ├── default.html
│   └── modern_dashboard.html
│
├── config/                 # 配置文件
│   ├── agents_config.yaml
│   └── data_sources.yaml
│
├── examples/               # 示例代码
│   ├── basic_example.py
│   └── advanced_example.py
│
├── reports/                # 生成的报告
│   └── sample_reports/
│
├── tests/                  # 测试文件
│   └── test_agents.py
│
├── requirements.txt        # 项目依赖
├── .env.example           # 环境变量示例
├── main.py                # 主程序入口
└── README.md              # 项目文档

🛠️ 技术栈

框架: Strands Agents
语言: Python 3.8+
数据处理: Pandas, NumPy
可视化: Chart.js, Plotly
HTML 生成: Jinja2
异步处理: asyncio
Web 技术: HTML5, CSS3, JavaScript

📊 数据分析能力

支持的分析类型

✅ 趋势分析
✅ 异常检测
✅ 相关性分析
✅ 统计分布
✅ 性能监控
✅ 预测建模

支持的图表类型

📈 折线图 (Line Chart)
📊 柱状图 (Bar Chart)
🎯 雷达图 (Radar Chart)
🥧 饼图 (Pie Chart)
📉 面积图 (Area Chart)
🔥 热力图 (Heatmap)

🤝 贡献指南

我们欢迎所有形式的贡献！

贡献流程

Fork 本项目
创建特性分支 (git checkout -b feature/AmazingFeature)
提交更改 (git commit -m 'Add some AmazingFeature')
推送到分支 (git push origin feature/AmazingFeature)
开启 Pull Request

开发规范

遵循 PEP 8 代码规范
添加必要的注释和文档
编写单元测试
更新相关文档

📝 开发计划

🎯 应用场景

IoT 设备监控 - 实时监控设备状态和性能
业务数据分析 - 销售、用户行为等数据分析
系统性能监控 - 服务器、应用性能追踪
质量监控 - 产品质量数据分析
运营报表 - 自动生成日报、周报、月报

❓ 常见问题

Q: 如何添加新的数据源？

A: 在 config/data_sources.yaml 中添加配置，或通过 API 动态注册新数据源。

Q: 报告生成失败怎么办？

A: 检查日志文件，确认数据格式正确，依赖库已安装。

Q: 如何自定义报告模板？

A: 在 templates/ 目录下创建新的 HTML 模板，参考现有模板结构。

Q: 支持实时数据吗？

A: 当前版本支持定时任务，实时流处理功能正在开发中。

📄 许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件

👥 作者

GitHub: @1844909740

🙏 致谢

感谢 Strands Agents 框架提供的强大支持
感谢 Chart.js 提供优秀的图表库
感谢所有为本项目做出贡献的开发者

📞 联系方式

如有问题或建议，请通过以下方式联系：

💬 提交 Issue
📧 发送邮件（如果需要可以添加您的邮箱）
💼 LinkedIn（如果需要可以添加）

🔗 相关链接

如果这个项目对您有帮助，请给个 ⭐️ Star 支持一下！

Made with ❤️ by the Multi-Agents Team

Name		Name	Last commit message	Last commit date
.idea		.idea
app		app
mutli-agents		mutli-agents
README.md		README.md
config_dev.yml		config_dev.yml
main.py		main.py
run.py		run.py

Latest commit

History

Folders and files

Repository files navigation