（社区版）基于 ModelWhale 的 DeepAnalyze-8b 使用指南
输入“/”快速插入内容
🐋（社区版）基于 ModelWhale 的 DeepAnalyze-8b 使用指南
（社区版）基于 ModelWhale 的 DeepAnalyze-8b 使用指南
用户3072用户3072
用户4731用户4731用户692用户6923月24日修改
本文档用于演示如何在和鲸 ModelWhale 平台上调试 DeepAnalyze 代码并部署应用。你可以借助本文档实现在线快速复现 demo 应用搭建。
🤹♀️ 文档作者与 demo 开发者： 李浩鸣，现任上海和今信息科技有限公司（和鲸科技）AI数据工程师，香港城市大学数据科学硕士。专注于大模型与智能体系统开发，具备完整的LLM应用落地经验。在DeepAnalyze生态中负责模型在ModelWhale平台的部署，前端交互和应用迭代。曾参与高并发智能编程助手服务构建，技术栈涵盖FastAPI、LangChain、LangGraph等技术框架，实现大模型集成、流式输出与状态管理。精通Hadoop/Spark数据生态，具备海量数据ETL开发与数仓运维经验，擅长从算法研发到业务交付的全流程工程实现，致力于推动数据智能系统的稳健落地与性能优化。github 主页：https://github.com/LHMQ878
模型背景
DeepAnalyze是首个用于自主数据科学的智能体大模型（Agentic LLM），可在无人工干预的情况下自主完成各类以数据为核心的任务，核心能力/特点包括：
1.
覆盖完整数据科学 pipeline：自动执行数据准备、分析、建模、可视化、报告生成等全流程数据科学任务；
2.
支持开放式数据研究：对结构化（数据库、CSV、Excel）、半结构化（JSON、XML、YAML）、非结构化（TXT、Markdown）等多样数据源开展深度研究，最终产出“分析师级”研究报告；
3.
完全开源：模型、代码、训练数据、演示（demo）均开源，允许用户部署或扩展自己的数据分析助手。
模型官方资料：
0. api 接口请求
提供两种调用方案：
0.1 纯 prompt 版请求示例
notebook codecell 调用格式
!curl -X POST https://www.heywhale.com/api/model/services/691d42c36c6dda33df0bf645/app/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer your_api_key" \
-d '{"messages": [{"role": "user", "content": "你是谁？"}]}'
terminal 调用格式
curl -X POST "https://www.heywhale.com/api/model/services/691d42c36c6dda33df0bf645/app/v1/chat/completions" -H "Content-Type: application/json" -H "Authorization: Bearer your_api_key" -d "{\"messages\": [{\"role\": \"user\", \"content\": \"tensorflow是什么？\"}]}"
0.2 prompt+上传文件版请求示例：
da_quick_start.zip
101.36KB
下载zip文件到本地后，在当前文件夹下
1. 运行脚本：
代码块
python test_streaming.py
2. 按提示操作：
- 输入API密钥
- 选择对话类型（1=无文件对话，2=文件分析）
- 如选择2，输入文件路径（支持逗号分隔多个文件）
- 输入分析指令（可选，留空使用默认指令）
📝 使用示例
示例1：分析CSV文件
代码块
python test_streaming.py
# Enter API Key: your_api_key
# Enter choice (1 or 2): 2
# Enter file paths: Simpson.csv
# Enter analysis instruction: [留空或输入自定义指令]
示例2：分析ZIP压缩包
代码块
python test_streaming.py
# Enter API Key: your_api_key
# Enter choice (1 or 2): 2
# Enter file paths: example.zip
# Enter analysis instruction: [留空或输入自定义指令]