简介

从本质上讲，数据分析旨在利用数据为决策提供依据。目的绝不是为了分析而分析，而是为了产出一个能指导他人行动的制品：一张供领导层参考的图表、一份给产品团队的实验结果、一份面向研究人员的模型评估，或是一个指导日常运营的仪表板。

这一实用的框架由 R数据科学，是一个循环：导入并整理数据，然后在转换、可视化和建模之间不断迭代以加深理解，最后传达结果。编程贯穿了这整个周期。

广为推广。Codex 非常契合此工作流。它能通过清洗数据、探索假设、生成分析以及产出可复现的制品，帮助你加速推进整个循环。我们的目标不是一次性的笔记本，而是一个可供他人审查、信任和重复运行的工作流。

明确你的用例

选择一个你希望通过数据来回答的具体问题。

问题越具体越好。这有助于 Codex 理解你的目标以及如何为你提供帮助。

运行示例：高速公路附近的房产价值

作为示例，我们将探讨以下问题：

高速公路附近的房屋房产估值究竟在多大程度上较低？

假设一个数据集包含房产价值或销售价格，另一个包含位置、地块或高速公路距离信息。这里的任务不仅仅是运行模型，而是要让输入数据值得信赖，记录合并过程，对结果进行压力测试，并最终产出一个他人可以使用的制品。

配置环境

在开始新的数据分析项目时，你需要配置环境并定义项目规范。

• Environment: Codex 应当了解该项目所指定的 Python 环境、包管理器、文件夹结构以及输出约定。
• Skills: 诸如笔记本清理、电子表格导出或最终报告打包等重复性工作流，应转化为可复用的技能，而不是在每个提示中重新解释。
• Worktrees: 将不同的探索工作分离到独立的工作树中，这样某个假设、合并策略或可视化分支就不会与其他分支相互干扰。

如需了解有关如何安装和使用技能的更多信息，请参阅我们的 技能文档.

引导 Codex 的行为

在接触数据之前，先告诉 Codex 在该代码库中应如何运作。将个人默认配置放在 ~/.codex/AGENTS.md，并将项目规则放在代码仓库中 AGENTS.md.

A small AGENTS.md 通常就足够了：

## Data analysis defaults

- Use `uv run` or the project's existing Python environment.
- Keep source data in `data/raw/` and write cleaned data to `data/processed/`.
- Put exploratory notebooks in `analysis/` and final artifacts in `output/`.
- Never overwrite raw files.
- Prefer scripts or checked-in notebooks over unnamed scratch cells.
- Before merging datasets, report candidate keys, null rates, and join coverage.

如果代码库尚未定义 Python 环境，请让 Codex 创建一个可复现的配置并说明运行方法。对于数据分析工作而言，这一步比直接跳去画图表重要得多。

导入数据

通常最快的启动方式是粘贴文件路径并让 Codex 进行检查。在此环节，Codex 可协助你解答以下基础但重要的问题：

• 这里有哪些文件格式？
• 每个数据集大致代表什么？
• 哪些列可能是目标变量、标识符、日期、位置或度量值？
• 明显的数据质量问题出在哪里？

先不要急于得出结论。首先要求进行数据盘点和说明。

整理与合并输入数据

大多数实质性工作从这里开始。你手头有两个或更多数据集，主键不明确，贸然合并可能会导致数据丢失或产生重复项。

请要求 Codex 在执行合并前先进行侧写分析：

• 检查候选键的唯一性。
• 衡量空值率和格式差异。
• 规范化明显的格式问题，如大小写、空格或地址格式。
• 运行试合并并报告匹配率。
• 在写入最终合并文件之前，推荐最安全的合并策略。

如果需要推导出最佳键（例如规范化地址、由几列组合而成的地块标识符，或是基于位置的合并），请让 Codex 在你确认合并前详细说明相关的权衡因素与边缘情况。

通过图表与独立工作树进行探索

在探索性数据分析中，Codex 受益于良好的隔离机制。一个工作树可以用来测试地址清理或特征工程，而另一个则专注于图表或替代的模型方向。这样既能保证每个差异记录都易于审查，又能避免在一个冗长的线索中混杂互不兼容的想法。

Codex 应用内置了工作树支持。如果你在终端中工作，使用普通的 Git 工作树也能很好地实现此目的：

git worktree add ../analysis-highway-eda -b analysis/highway-eda
git worktree add ../analysis-model-comparison -b analysis/highway-modeling

在当前的运行示例中，这一步将用于比较高速公路附近的房屋与较远房屋的差异、检查异常值、审查缺失值模式，并判断观察到的效应是真实的，还是反映了社区构成、房屋面积或其他因素的结果。

对问题进行建模

并非每项分析都需要复杂的模型。请从具有可解释性的基线模型开始。

对于高速公路的问题，合理的初步尝试是使用回归或其他透明模型，在控制房屋面积、房龄和位置等相关因素的前提下，估算高速公路距离与房产价值之间的关系。

请要求 Codex 明确说明：

• 目标变量与特征定义。
• 需要包含哪些控制变量以及原因。
• 泄露风险与排除项。
• 它如何选择数据拆分、评估方法或不确定性估计。
• 用通俗易懂的语言解释结果的含义。

如果第一个模型表现不佳，这依然很有用。它能帮你判断问题究竟出在模型、特征、连接质量，还是问题本身。

传达结果

分析结果只有在他人能够理解时才有价值。请让 Codex 生成目标受众所需的交付物：

• 供技术协作者参考的 Markdown 备忘录。
• 供下游运营工作使用的电子表格或 CSV。
• A .docx 简报，使用 $doc 当格式和表格很重要时。
• 渲染后的附录或最终交付物，使用 $pdf.
• 通过部署的轻量级仪表盘或静态报告网站 $vercel-deploy.

这也是你需要提出注意事项的地方。如果连接质量不完美、存在采样偏差，或者模型假设较为脆弱，Codex 应该在交付物中明确说明这些情况。

值得考虑的技能

与该工作流特别契合的精选技能包括：

• $spreadsheet 用于 CSV、TSV 和 Excel 编辑或导出。
• $jupyter-notebook 当交付物需要保留在 notebook 原生格式时。
• $doc and $pdf for stakeholder-facing outputs.
• $vercel-deploy 当你希望以 URL 形式分享结果时。

一旦工作流稳定下来，可以为重复性环节创建仓库本地技能，例如 refresh-data, merge-and-qa, or publish-weekly-report。与在每个线程中粘贴相同的程序化提示相比，这是一种更好的长期模式。

建议提示词

搭建分析环境

加载数据集并进行说明

在合并前先分析关联情况

开辟全新的探索工作树

构建具有可解释性的第一个模型

为利益相关者打包结果