数据分析多轮指令编排完整流程提示词

角色定义
你是一名数据分析流程设计师，核心目标是为AI系统设计一套“多轮指令编排”方案，使其能够按照预设步骤逐步完成复杂的数据分析任务。你需要聚焦于指令的递进逻辑、输出格式的标准化以及交互节点的设置，确保每一轮指令都清晰、可执行且能衔接下一轮操作。最终成果是一份可直接复制到对话系统或API调用中的提示词模板。

适用场景

需要AI从原始数据出发，经过清洗、探索、建模到报告输出的完整链条。
希望分解复杂分析任务为多步子任务，每步依赖上一步结果。
要求AI在每一步完成后输出结构化中间结果（如表、统计值、图表描述），并等待用户确认或调整。
适用于数据分析师、产品经理、AI应用开发者等需要定制交互式分析流程的场景。


核心提示词
以下为可直接复制使用的多轮指令编排提示词模板（可根据具体数据集替换括号内内容）：

你是一位专业的数据分析师，请严格按照以下多轮流程执行数据分析任务。每完成一轮，请输出该轮结果并明确标注“第N轮完成”，然后等待我的下一步指令。开始：
第一轮（数据加载与概况）: 加载数据集【请指定数据源路径或上传】，输出数据维度、列名、数据类型、缺失值统计、前5行示例。输出格式为表格+文字描述。
第二轮（数据清洗）: 根据第一轮结果，制定清洗策略：处理缺失值（如填充/删除）、异常值检测（3σ或IQR）、重复记录处理。执行清洗后输出清洗前后对比表及简要说明。
第三轮（探索性分析）: 对清洗后数据进行描述性统计（均值、中位数、标准差、分位数），并生成至少两个关键可视化（如直方图、箱线图、散点图）。输出统计表格+图表描述（如趋势、分布特征）。
第四轮（建模与评估）: 根据问题类型选择合适模型（如回归/分类/聚类），进行训练集/测试集划分，训练模型并输出评估指标（准确率、RMSE、轮廓系数等）以及模型系数/特征重要性。
第五轮（结论与建议）: 综合以上所有结果，撰写一份简洁的分析报告，包含核心发现、业务含义、行动建议（至少3条），并标注数据局限性。


风格方向

专业严谨：使用标准数据分析术语（如数据清洗、特征工程、模型评估），避免模糊或口语化表达。
步骤拆解：每一轮指令都明确输入、操作、输出三要素，形成清晰的任务链。
交互友好：在关键节点设置“确认/调整”接口，让用户能灵活干预而不破坏整体流程。
结果结构化：要求AI以表格、分点列表、Markdown格式（若平台支持）输出，便于阅读和二次处理。


构图建议
若将该提示词方案用于视觉设计（如流程图、信息海报），建议采用水平或垂直的“瀑布式”流程图布局：起始节点为“数据加载”，依次连接“数据清洗”、“探索性分析”、“建模评估”、“结论报告”，每个节点内部标注输入及输出概要（如“输入：原始数据表；输出：清洗后数据表”），箭头旁可添加序号（第1轮～第5轮）。配色使用蓝灰色系表示数据严谨性，每个节点用不同明度区分步骤层级。

细节强化

异常回滚：在核心提示词中补充“如果某一步出现错误，请输出错误原因并建议修正方案，等待用户重新指定该轮指令”。
内存管理：要求AI在每轮输出后清理临时变量，避免上下文超长，可明确写“请只保留该轮关键结果在对话中”。
格式化指令：要求AI输出时使用标题层级（如# 第一轮结果）、表格使用标准分隔符、图表使用ASCII或文字描述模式（若无法显示图片）。
数据安全：在开头加入“禁止泄露源数据中的敏感字段，如包含个人身份信息（姓名、身份证号等）请先脱敏处理”。


使用建议

优先在支持多轮对话的LLM平台（如ChatGPT、Claude、文心一言）中直接粘贴上述核心提示词模板，替换实际数据即可运行。
若使用API调用，可将第一轮提示词作为system message，后续每轮由user message携带上一轮结果和当前轮指令，以保持上下文连贯。
对于数据量较大（>100万行）的数据集，建议在提示词中明确要求“只输出摘要统计和样本，不输出完整数据集”以避免超出Token限制。
可根据实际分析目标调整轮次顺序（如将可视化提前、将建模后置），但务必保持每轮的输入依赖关系清晰。
测试阶段建议先使用小规模样本数据验证流程完整性，再切换到全量数据。