用 Hermes Agent 三步做出数据分析报告：从 CSV 到图表的完整教程

用 Hermes Agent 三步做出数据分析报告：从 CSV 到图表的完整教程

【免费下载链接】hermes-agentThe agent that grows with you项目地址: https://gitcode.com/GitHub_Trending/he/hermes-agent

Hermes Agent 是一个能执行任务的 AI 代理框架，它把你用中文说出的分析需求，转成真实的 Python 代码去跑数据、出图表。这篇文章面向不写代码也能完成数据分析的新手，讲清楚三件事：怎么装、怎么让它出图、遇到问题怎么办。

一个典型场景：CSV 文件怎么变成趋势图

假设你手里有一份sales_data.csv，记录着每个月的营收。传统做法是自己打开 Python、装库、写绘图代码；在 Hermes Agent 里，你只需要描述想要什么。

它的工作方式分两步：tools/terminal_tool.py负责真正执行分析命令，agent/prompt_builder.py负责把你的自然语言拆成可执行的步骤。对"分析 sales_data.csv 中的月度趋势并生成折线图"这样的指令，它会自己写出并运行下面的代码：

import matplotlib.pyplot as plt import pandas as pd data = pd.read_csv("sales_data.csv") plt.plot(data['month'], data['revenue']) plt.title('Monthly Sales Trend') plt.savefig('sales_trend.png')

执行结束后，sales_trend.png就会出现在工作目录里，图表的坐标轴、标题都由它自动生成。

安装 Hermes Agent 与基础配置

快速安装

如果你想在源码层面跑起来，从仓库克隆后执行安装脚本即可，整个过程不需要手动配置 Python 环境：

git clone https://gitcode.com/GitHub_Trending/he/hermes-agent cd hermes-agent ./setup-hermes.sh hermes --version

最后一行输出版本号，说明安装成功。

配置数据源与可视化偏好

根目录下的cli-config.yaml.example是配置模板，复制为cli-config.yaml后按需修改。主要涉及三块内容：

进阶可视化：WandB 实验跟踪

画单张图表用 Matplotlib 就够，但如果要对比多轮实验的指标，WandB（Weights & Biases，一个记录并展示实验结果的开源工具）更合适。相关接口定义在skills/mlops/weights-and-biases/SKILL.md中。把图表直接写进实验记录，代码示例如下：

import wandb wandb.init(project="sales-analysis") fig, ax = plt.subplots() ax.plot(x, y) wandb.log({"sales_trend": wandb.Image(fig)})

分类模型的混淆矩阵可以直接用wandb.plot.confusion_matrix生成，同样通过wandb.log写入记录。另外skills/mlops/lm-evaluation-harness/SKILL.md定义了模型评估流程，适合训练完模型后做对比打分。

常见问题的两个解法

图表中文变方块。这是 Matplotlib 默认字体不支持中文导致的，在cli-config.yaml里加两段设置即可：

visualization: matplotlib: font.family: SimHei axes.unicode_minus: False

大文件跑得慢。先抽样再分析，把sample_rate调到 0.1 只读一成数据：

hermes run skill contenteditable="false">【免费下载链接】hermes-agentThe agent that grows with you项目地址: https://gitcode.com/GitHub_Trending/he/hermes-agent