AI Agent与Codex实战指南第一课：借助AI完成数据可视化的自动处理
AI Agent / Codex 入门到精通1
市面上几万块的AI课程，我准备免费开源一套 （这里是跳转大纲目录）
AI Agent / codex🌍🐍 (连载系列) 从零基础到精通，本系列带你逐步掌握最新的AI技能📊动辄几千、上万，甚至标价几万的「智能体实战营」「Codex 从入门到过夜」层出不穷。
作为最早的Agent用户，我从2024年底就是Cursor最早的一批用户，2025年3月就开始用Claude Code凭借AI做了很多有趣的项目，也发表了一些文章，我把我两年来的经验总结成20次课程
我决定把这套 AI Agent / Codex 教程免费开源，并在公众号上连载
把一整套水文目录交给 Agent，让它完成时间范围核查、数据清理、探索性数据分析（EDA）和典型站点绘图，并在十几分钟内交出可复现产物——这不是“多写几句 prompt”就能稳定复现的结果。真正起作用的，是把模糊愿望改写成可验收的任务合同，再按官方建议把计划、边界与完成标准写进同一条执行链路。
本文对应课程第 1 章课件内容，以中国长江流域径流数据为案例，说明如何用 AI 做数据分析与制图自动化：从任务提示词、官方建议、提示词规范，到全自动流程、规划执行、科研绘图设计，再到交付清单与可复制模板。
本章的工作区是一个含中国长江流域径流数据集的本地目录。目标流程很明确：时间范围核查 → 数据清理 → 探索性分析 → 典型站点绘图。需要时，可调用水文时序与科研制图相关技能（例如hydro-plot）。
起点可以是一句足够具体、但尚未写满合同的任务：
这句话已经比“帮我分析一下数据”好得多：它给出了对象、步骤顺序和大致交付方向。但若要让 Agent 过夜执行、并且结果能被验收，还需要补上输出目录、边界、绘图约束与 Done when。
OpenAI 的 Prompting 文档强调：不必迷信固定“咒语”，但重要任务应写清会改变结果的信息。一条可靠提示至少覆盖四类要素。
Best practices 则把“完成”进一步写成可检查条件，默认四项是：Goal、Context、Constraints、Done when。对数据分析任务，Done when 可以具体到：
复杂分析建议先/plan：让 Agent 盘点格式、站点组织与质量问题，再执行。长任务则按 Long-running work 的写法补齐Outcome / Constraints / Verification——描述结果而不是只描述动作，点名工具与边界，并给出可测量的完成证据。重要结果要求 Agent 最终自检，再由人审核关键数字。
把这些要素压缩成分析场景的“任务合同”，可以得到下面这张概念图。
分析类 Prompt 不必机械填满表格，但整库分析时建议写全五段：
短任务可合并；会影响结果的内容不要省。
模糊愿望与可执行合同的差别，往往就在是否把主观词换成可观察条件。
模糊：“帮我分析一下这个水文数据并画几张好看的图。”——没有范围、口径、交付物与完成标准。
可验收：核查时间范围 → 清理非法值/重复 → EDA 四联图 → 干流五站过程线 → 独立输出目录 + README 关键数字。
“好看、全面、深入”应改成完整率、单位、站名、图件清单这类可检查项。Agent 无法替你定义科学判断，但可以在你给定边界内稳定执行。
一条可过夜的分析流水线，可以固定为四步。
官方习惯是：先计划、再执行、再验证。脚本不崩只说明吞吐量；表图齐全且数字可回溯，才算通过。
要把“尽量全自动”落到操作上，可按下面七条约束工作区与提示词：
流程稳定后，可沉淀为 Skill 或定时任务；未稳定前不要调度 overnight。
Agent 应先盘点数据格式与站点组织，再按步骤推进：站点筛选 → 质量审计 → 清理 → EDA → 绘图 → 核验。产物写入独立输出目录，不覆盖原始数据；若发现跨产品站号重复等问题，应单独补清单。
执行中还应查看生成图件，并补写可复用的量化结论：检查中文字体、坐标与曲线是否完整；结论不仅写方法，也写关键数字；清理文件与摘要表一一对应。
首轮 EDA 关注记录长度、完整率、面积—流量关系与月内分配。本案例中：
干流典型站选取直门达、攀枝花、宜昌、汉口、大通。短序列站呈现近年季节波动，并叠加 30 日滑动平均；宜昌、汉口等长序列站可见多年洪枯周期。日流量与滑动平均对照，有助于区分噪声与季节信号。
本案例约 13 分钟完成清理、EDA 与典型站点绘图，并落盘可复现产物：
自动化并不等于“随便出一张好看图”。先问清科学问题，再选图型：
一图一问。EDA 可用多面板；投稿图再拆成主图与附图。
给 Agent 的绘图硬约束建议写进提示词：
水文过程线建议同时给出原始日值与滑动平均，避免只剩平滑“好看线”。
绘图验收清单同样应写进合同：
没有清单，Agent 容易停在“脚本跑通”。
同类水文目录可直接复用，再按数据实况改站名与约束：
复杂库或字段不明时，先发计划，确认后再执行：
确认计划后，可回复“按该计划执行”，或把完整合同贴上作为/goal正文。
若只保留一张总图，记住这条主线即可：合同 → 流程 → 图件 → 验收。人负责定义目标、边界与科学判断；Agent 负责实现、迭代与落盘；证据在文件里，而不是在“我已完成”这句话里。
第 1 章要解决的不是“会不会让 AI 画图”，而是如何把数据分析与制图做成可复现、可验收的自动化流程。官方提示词与长任务文档给出的共同底座是：写清 Goal / Context / Output / Boundaries，并把 Done when 或 Verification 写进合同；复杂任务先/plan，长程任务再升级 Outcome / Constraints / Verification。
结合长江径流案例，完整闭环是：盘点 → 清理 → EDA → 典型站绘图 → README 与脚本落盘。绘图侧则把问题选型、色盲友好、单位、中文字体与读图自检写成硬约束。按这套方法，Agent 可以在有限人工监督下交付可复用分析产物；人也始终握着验收权。
以下按课件 PDF 顺序，一页一图，便于对照阅读与课堂讲解。