这才是ChatBI/Data Agent的正确思路:Data Formulator 2 解读

抖音推荐 2025年08月11日 02:25 1 admin

近几年，人工智能在数据分析和可视化领域掀起了一股热潮，尤其是“ChatBI”或 Data Agent 等概念备受关注。许多人误以为，“ChatBI”或 Data Agent 只是通过自然语言对话完成所有数据处理、分析和可视化任务，只要用文字清楚描述需求，AI 就能立刻给出完美结果。

事实上，数据分析和可视化的流程通常包括复杂的、不断迭代的数据预处理和可视化需求，且设计过程往往需要反复迭代调整。虽然大语言模型的发展使得 AI 可视化工具能够通过自然语言自动生成代码，极大减轻了初期的工作负担，但在实际的迭代创作中，理想设计往往难以一蹴而就。每次设计的更新都需要重新处理数据和绘制图表，AI 也难以一次性准确满足用户的多样需求。

更为复杂的是，纯自然语言交互虽然直观易用，但面对复杂的数据转换和多步骤的图表迭代时，用户常常面临以下困境：

需要反复调整提示词，难以精准表达设计细节；
需要管理多个数据和图表版本，工作量大且容易混乱；
目前多数 AI 工具要求用户一次性通过文本提示完整描述需求，过程冗长繁琐，难以精确传达复杂视觉信息。

因此，单纯依赖自然语言提示完成所有操作，不仅加重了用户负担，也限制了 AI 工具在复杂分析场景中的应用潜力。

与此同时，如何更有效地利用 AI 辅助数据分析师进行可视化创作，依然面临诸多挑战。尤其是在可视化的迭代过程中，更新设计时反复从头描述需求既耗时又费力，AI 也难以一次性完成任务的准确表达。

这才是ChatBI/Data Agent的正确思路:Data Formulator 2 解读

正是在深刻洞察这些问题的基础上，Data Formulator 2应运而生。它突破了“全靠语言描述”的局限，巧妙结合了可视化界面操作和自然语言输入。用户既可通过鼠标拖拽、点击完成绝大部分操作，也能用简短的自然语言补充说明设计意图，从而轻松实现复杂的可视化需求，真正实现了更自然、更高效的人机协作。

Data Formulator 2：结合图形界面操作与自然语言描述，让用户更好地与AI交流可视化设计

为了解决可视化迭代设计的难题，来自微软雷德蒙研究院的研究员们在 GitHub 上发布了一款 AI 驱动的开源可视化工具 Data Formulator 2。结合图形化用户界面（graphic user interface）和自然语言输入，Data Formulator 2能够极大提升用户向 AI 传达迭代过程中可视化设计的能力，使得 AI 能够根据用户的指令逐步完成复杂可视化作品的创作与更新。

Data Formulator

GitHub 链接：https://github.com/microsoft/data-formulator
试用链接：https://github.com/microsoft/data-formulator/blob/main/CODESPACES.md
论文链接：https://arxiv.org/abs/2408.16119

如图1所示，Data Formulator 2的交互界面设计巧妙。用户在构思可视化设计时，可首先通过右侧的 Concept Encoding Shelf 来描述设计目标。在迭代过程中，用户则可通过左侧的 Data Threads 回顾之前的可视化作品，选择合适的路径进行跟进，进而描述新的可视化目标或进行微调。

图1：Data Formulator 2 的用户交互界面

使用 Concept Encoding Shelf 描述可视化设计

Concept Encoding Shelf 的设计结合了传统图形化可视化工具中的“数据放置交互界面”（shelf configuration UI）与 AI 工具的自然语言输入功能，使用户能够更直观地描述可视化目标。用户在选定可视化类型（如柱状图、线性图）后，可通过拖拽数据列至相应的视觉通道（如 x 轴、y 轴、颜色等）来直接映射数据至图形。这种方法相比冗长的文字描述，更能直观且精确地传达图表的设计意图。

此外，Data Formulator 2 的独特之处在于，它允许用户通过自然语言添加原始数据中不存在的数据概念（data concept）到可视化映射中，从而打破现有数据格式的限制，实现更加深入和丰富的可视化设计。

如图2所示，用户可以在 y 轴上添加“可持续能源百分比”这一数据概念（尽管原始数据仅包含各种能源的消耗值而非百分比），Data Formulator 2 将自动决定如何转换原始数据，计算出所需的数据栏以完成这一可视化。同样地，若用户希望查看不同国家的可持续能源百分比排名，则可以在 y 轴上添加“排名”数据栏，并通过额外的自然语言描述“计算不同国家的排名”，以指导 Data Formulator 2 完成相应的可视化过程。

图2：Data Formulator 2允许用户添加不存在的数据概念，自行完成转换

借助 Data Threads 迭代可视化

当需要在现有图表基础上进行迭代时，用户可以直接在 Concept Encoding Shelf 上使用自然语言来传达迭代指令（或修改之前的数据映射）。例如，输入“仅展示前五名国家的可持续能源百分比”，Data Formulator 2 便能据此进一步处理数据，实现迭代，无需用户重新描述整个流程。这种方法显著减轻了用户的输入负担。

图3：Data Formulator 2 支持在现有图表基础上，通过自然语言指令进行迭代

若需追溯至先前的可视化作品进行重新分析，用户则可以利用 Data Threads 功能浏览之前的可视化历程，并选择合适的节点继续研究。例如，用户若想绘制一个柱状图来展示所有国家从2000年至2020年的排名变化，可以返回至“可持续能源百分比排名”的图表，并通过自然语言指令“比较不同国家2000至2020年间的排名变化”来指引 Data Formulator 2 基于历史数据进行深入分析，并生成所需的图表。

图4：Data Formulator 2 支持在过往图表基础上，通过自然语言指令进行迭代

大模型代码生成连接可视化与数据转化模块

Data Formulator 2 的设计策略是将数据转换与可视化过程分离开来，以提高大模型执行任务的准确度，并通过模型的代码生成能力将这两个阶段衔接。如图5所示，用户设定可视化目标后，Data Formulator 2 首先会根据图形界面中的输入实例化图形模板，并生成一段 Vega-Lite 代码。由于用户输入中包含了新的数据概念，Data Formulator 2需要对数据进行转换以创建可视化。为此，它会将用户的输入转换为大模型的提示词，指导模型生成 Python 代码以转换数据，满足 Vega-Lite 代码的需求。

图5：Data Formulator 2 架构示意图

图 7：将用户提供的编码转换为 Vega-Lite 规范，并与 AI 转换后生成的数据结合

数据转换完成后，Data Formulator 2 会将处理后的数据与可视化代码结合，实现最终的可视化效果。在用户选择基于先前可视化进行迭代时，Data Formulator 2 则会利用原有代码生成新代码，从而减少代码生成过程中的不确定性，更有效地完成用户任务。

在 Data Formulator 2 的研究中，研究员们致力于融合图形化操作与 AI 的自然语言输入，希望帮助用户更有效地表达他们的可视化目标。但随着大模型的不断进步，如何使用户以简洁而精确的方式传达任务意图变得尤为关键，这也是研究员们未来探索的方向之一。

总结

可视化创作者在创作过程中通常是以迭代方式进行的，在数据转换与可视化设计之间不断交替。这个过程既需要熟练掌握工具，又需投入大量精力来管理多个版本的数据和图表。尽管已有一些 AI 驱动的工具旨在减少用户负担，但在支持迭代分析方面仍显不足:这些工具通常要求用户一次性通过自然语言输入完整表达意图。

Data Formulator 2:一个支持迭代式可视化创作的交互系统, 提供了一种多模态用户界面，允许用户通过 UI 与自然语言输入相结合的方式指定图表，从而无需冗长提示也能精确表达复杂设计意图。为帮助用户管理迭代方向，Data Formulator 2引入了数据线程（data threads）的机制，使用户可以在不同设计版本之间导航、分支并复用先前成果。