基于agno框架实现的多Agent客户分析系统，用于分析客户数据并生成客户画像和分群结果。

• 基于自然语言解析用户请求
• 多Agent协作完成复杂分析任务
• 自动化数据筛选、探索和分析
• 智能客户分群和标签生成
• 生成专业的分析报告

系统由7个专业Agent组成，每个Agent负责特定的任务：

1. 请求解析Agent：解析用户输入的自然语言请求，提取关键参数
2. 元数据获取Agent：获取数据结构和字段信息
3. 数据筛选Agent：根据请求参数筛选相关数据
4. 数据探索Agent：对筛选后的数据进行探索性分析
5. 模型构建Agent：基于数据特征构建客户分群模型
6. 客户标签Agent：为客户打上标签，形成客户画像
7. 结果整合Agent：整合各个Agent的分析结果，生成最终报告

1. 安装依赖：

pip install -r requirements.txt

2. 配置环境变量： 创建.env文件，设置OpenAI API密钥：

OPENAI_API_KEY=your_api_key
OPENAI_BASE_URL=your_api_base_url

python main.py

修改main.py中的请求内容，可以自定义分析任务：

request = "你的自定义分析请求"
result = coordinator.process_request(request)

系统支持以下数据格式：

• 客户主数据：包含客户基本信息、标签和分群
• 交易与行为数据：包含购买记录、浏览行为、促销响应和客服交互
• 商品与营销数据：包含商品信息和营销活动

系统可以执行如下分析任务：

今天是2025年4月1日, 查询时间窗口(2025.01.01-2025.3.31) 注册的客户, 近30天的购买行为,筛选出无购买行为的客户,分析这批客户的客户画像,给出客户分群结果

分析流程：

1. 解析请求参数（时间窗口、筛选条件等）
2. 获取元数据信息
3. 筛选符合条件的客户数据
4. 探索客户特征和行为模式
5. 构建客户分群模型
6. 为客户打上标签
7. 生成最终分析报告

1. 继承BaseAgent类
2. 实现process方法
3. 在AgentCoordinator中注册新Agent

修改各个Agent的process方法，可以自定义分析逻辑。

• agno：Agent框架
• pandas：数据处理
• pydantic：数据验证
• python-dotenv：环境变量管理