【建议】完善稻壳 SuperAI 数据分析台功能

此前我曾建议WPS表格升级统计分析功能，如今已落地【教程】稻壳 SuperAI 数据分析台使用指南。接下来，我将基于对稻壳 SuperAI 数据分析台（aibiao.wps.cn）的实际体验与界面、对话双重验证整理，聚焦当前真实存在的能力缺口，并逐一说明其影响与改进方向。

一、图表渲染存在 spec 技术限制

通过对话让 AI 说明可视化 spec 边界，以下定制在渲染层面确实不支持（并非界面没入口，而是底层 spec 未提供对应能力）。以下是AI的回复：

可行性总览

逐一说明

1. 双 Y 轴图表 — 不支持

当前 generate_chart 的 spec 结构中，所有图表类型（柱状图、折线图等）仅支持单一 Y 轴（y_label 字段），没有副轴（secondary axis）的配置参数。

替代方案：

• 若两个指标数量级差异大，可拆成两张独立图表分别展示

• 若需同图对比，可在 execute_code 中先做归一化（如百分比变化、Z-score），再生成单轴图表

• 技能规范中也明确建议：数量级差 >10 倍时禁止共轴，必须拆图

2. 自定义坐标轴范围 — 不支持

spec 中没有 yAxis.min/yAxis.max 或 xAxis.min/xAxis.max 等参数，坐标轴范围完全由数据自动计算。

替代方案：

• 在 execute_code 中对数据做截断或缩放，间接控制可视范围

• 例如想让 Y 轴从 0 开始，确保数据中最小值为 0 即可

3. 自定义图例位置 — 不支持

spec 中没有 legend 相关参数（如 legend.position、legend.orient 等），图例位置由前端默认布局决定，无法手动调整。

4. 自定义数据标签精度 — 不支持

spec 中没有 labelFormatter、precision 等参数，数据标签的显示精度取决于写入 JSON 时数据本身的小数位数。

替代方案：

• 在 execute_code 中用 round() 预先控制数据精度，例如 round(value, 2)，写入 JSON 的数据本身保留 2 位小数，图表展示时自然呈现该精度

当前支持的可定制项

虽然上述高级定制不支持，但以下基础定制是可以做到的：

• 双 Y 轴图表：spec 仅支持单一 y_label，无副轴参数；

• 自定义坐标轴范围：spec 无 min/max 轴范围参数，范围由数据自动决定；

• 自定义图例位置：spec 无图例位置参数，由前端默认布局；

• 自定义数据标签精度：spec 无标签格式化/精度参数。

总结

当前可视化能力定位是数据驱动的标准图表生成，支持 11 种图表类型和基础定制（标题、轴标签、堆叠、平滑等），但不支持双 Y 轴、自定义轴范围、图例位置、标签格式化等高级定制需求。如果需要这些高级定制，建议在 execute_code 中用 matplotlib 直接绘制（环境已预装），不过该方式生成的图表无法通过前端渲染组件展示，只能以数据结论形式输出。

影响/后果：两个数量级差异大的指标无法同轴对比展示；专业制图（自定义轴范围、图例、精度）无法满足；只能靠"在代码里预处理数据"变通（如先归一化、先 round），操作繁琐且不直观。

二、分析过程可看但不可一键复现

推理过程虽可展开查看思维链与工具代码，但没有内置的"一键代码导出"功能：

以下是AI的回复：

当前环境没有内置的"代码导出"功能（如一键导出 Jupyter Notebook 或执行历史），但可以通过变通方式实现。以下是详细说明：

一、支持的方式

方式 1：导出 Python 脚本（.py）

通过 execute_code 将分析代码写入 output/ 目录的 .py 文件，即可下载。

优点：完整可复现，包含数据加载、分析、可视化全流程 局限：需要手动组装代码，非自动导出执行历史

方式 2：导出 Jupyter Notebook（.ipynb）

通过 execute_code 构造 notebook JSON 结构，写入 output/ 目录的 .ipynb 文件。

优点：保留 cell 结构，可在 Jupyter 中逐步执行 局限：输出结果不会包含在内（仅代码 cell），需重新运行

方式 3：导出分析摘要文档

将关键代码片段 + 分析结论整理为 Markdown 文档，写入 output/ 目录。

优点：代码与结论对照，便于理解 局限：非可执行文件

二、不支持的方式

总结：

• 需通过执行代码变通生成 .py / .ipynb 文件才能下载脚本；

• 不支持导出执行历史、含输出结果的 Notebook、PDF/HTML、环境依赖清单（requirements）；

• 缺少"分析方案保存 + 一键重跑"能力。

影响/后果：一次对话式分析难以固化为可复用的分析资产；用户无法快速复现、验证或迁移分析过程；团队内的方法沉淀与交接效率低。

三、缺少协作与版本管理

当前成果支持图表下载图片、报告导出 PDF/图片、表格下载 xlsx，但没有团队协作能力：

• 不支持多人共同编辑、评论批注；

• 不支持成果的历史版本对比与回滚；

• 缺少跨用户的成果分享与协作空间。

影响/后果：多人共用一份分析成果时协作不便，容易因版本混乱导致结果不一致；无法追溯分析演进的中间过程；企业/团队场景的价值受限。

四、过程展示层级单一

推理过程目前以"折叠块"形式统一呈现，缺少面向不同用户的分层展示：

• 没有面向非专业用户的"只看结论"简洁视图；

• 没有面向专业用户的"展开全部过程（含每步工具调用、Python 代码、中间数据）"完整视图；

• 推理中调用的工具、数据流转、中间产物未可视化呈现。

影响/后果：普通用户被复杂过程信息淹没，专业用户又难以深入核验每一步；过程透明度不足，影响对分析结果的信任度与可解释性。

五、无法安装 Python 包

环境规则禁止通过 pip/conda 安装任何包，工具集被锁定在预装范围内。

影响/后果：无法补充 python-pptx、LaTeX 等缺失工具，导致 PPT、PDF 等格式输出无法实现；遇到预装库覆盖不到的能力时只能"变通"或放弃，灵活性受限。

九、改进建议

（一）扩展图表渲染 spec

• 在 spec 中增加**副轴（secondary y-axis）**支持，解决双指标数量级差异大的展示问题；

• 增加坐标轴范围（min/max）、图例位置（legend）、标签格式化/精度等参数；

• 扩充图表类型（双轴图、瀑布图、雷达图、桑基图、地图等）。

（二）补全可复现与代码导出能力

• 提供一键导出分析代码（.py / .ipynb）功能，自动整理本次会话的代码与参数；

• 支持分析方案保存与一键重跑，把"对话式分析"升级为"可沉淀的分析资产"；

• 可选提供环境依赖清单（requirements）导出。

（三）增强协作与成果管理

• 支持成果分享链接、多人协作、评论批注、历史版本对比与回滚；

• 提供分析项目归档与模板化，将一次分析沉淀为可复用的模板。

（四）优化过程展示与上手体验

• 提供"只看结论 / 展开全部过程"两档视图，兼顾不同用户；

• 在推理过程中可视化呈现调用的工具、数据流转、中间产物；

• 完善示例数据集与能力引导，让用户先看到"它能做什么"。

（五）放宽环境级限制，扩展能力边界

• 开放受限联网能力：在合规与安全前提下，提供可选的联网检索、学术数据库查询或白名单外部 API 接入，满足资料检索、文献引用、实时数据等场景；

• 引入受控的包安装机制：在沙箱内支持白名单 Python 包按需安装（如 python-pptx、LaTeX 相关工具），并做好依赖管理与安全审计，避免"因无包而无法出图/出文档"的硬限制；

• 内置论文检索与文献引用能力：接入学术检索接口，支持检索、引用格式化与文献列表生成，补齐科研场景短板；

• 内置 PPT 生成能力：基于预设模板一键导出 .pptx 演示文稿（标题页、图表页、结论页），或将现有"PPT 风格网页报告"升级为可编辑的 .pptx 输出。