第 2 卷

第 2 / 29 卷日期：2025-02-14

一

能做什么？

本质：以多agent实现从数据采集到可视全流程

集社交媒体数据、数据库内容、文本数据、接口数据等。

通过数据清洗、数据集成、数据变换、特征工程等方式，实

现数据纠错、数据整合、格式转换、特征提取等。

.数据分析定位、需求预测、推荐系统、异常检测等。

对数据进行分类、社交网络分析或时序模式挖掘，常用

于客户细分、信用评分、社交媒体营销、股价预测等。

将数据转化为统计图、热力图、网络关系图、词云、树形

图等，用于揭示数据中蕴含的模式、趋势、异常和洞见。

R1o3 mini3.5 sonnetk1.5

高效推理：专注于低延迟和	小型化设计：轻量级模型，	平衡性能：在模型大小和	垂直领域优化：针对特定领域
高吞吐量，适合实时应用。	适合资源有限的环境。	性能之间取得平衡，适合	（如医疗、法律）进行优化，
轻量化设计：模型结构优化，	快速响应：优化推理速度，	中等规模任务。	提供高精度结果。
资源占用少，适合边缘设备	适合实时交互场景。	多模态支持：支持文本和	长文本处理：擅长处理长文本
和移动端。	通用性强：适用于多种自	图像处理，扩展应用场景。	和复杂文档，适合专业场景。
多任务支持：支持多种任务，	然语言处理任务，如对话	可解释性：注重模型输出	定制化能力：支持用户自定义
如文本生成、分类和问答。	生成和文本理解。	的可解释性和透明性。	训练和微调，适应特定需求。

全站分卷索引 · 29 卷