Deepnote Agent:让分析过程留在笔记本里,改了哪些代码也看得见

新工具猫目发布于 来源:Deepnote 官方产品与帮助资料
AI可以跨代码块调整分析、执行并检查输出;Ask与Edit分工、变更对照和接受/丢弃,让结果有过程可查。
Deepnote Agent:让分析过程留在笔记本里,改了哪些代码也看得见

为什么值得关注

把自然语言分析接到已有Python与SQL笔记本,生成的代码、运行输出和修改对照留在同一处,方便分析者复查和接着改。

适合谁:能阅读Python或SQL,想让AI协助探索数据又需要保留分析过程的数据分析人员

这次有哪些亮点

  • Edit可改动多个代码块并执行检查结果
  • Ask可讨论数据或使用方式而不改笔记本
  • 完成后展示变化,使用者接受、丢弃或继续调整

使用前需要知道

免费方案Agent调用有限,AI用量和运行机器资源分别受方案限制;Agent在Edit模式可运行代码,开放block outputs会涉及行级数据,应按资料范围设置。

向AI要一张月度销售图很容易。难的是过两周有人问:“退款有没有扣掉,按下单时间还是付款时间算?”如果手里只有一张图片,就得重新解释整段分析。

Deepnote的特点是让AI在笔记本里工作:Python、SQL、文字说明和输出仍然是能接着操作的代码块。Agent可以改多个块、运行并检查结果,完成后把变化交回来。它适合需要复查过程的数据分析者,而不是只想复制一段结论的人。

讨论和动手,可以先分开

当前Deepnote Agent文档区分Ask与Edit:Ask用于讨论数据或产品功能,不修改笔记本;Edit则可以调整内容、运行代码并查看输出。复杂任务会展示计划,执行过程也能跳到相关代码块。

官方截图展示了一次把Matplotlib图表改成Plotly的操作:代码前后以红绿对照列出,右侧有编辑和运行记录,最后仍有Done和丢弃入口。这个细节让“帮我改一下分析”不只是聊天窗口里一句完成,而是可以查看具体改动。

好看的图,不能代替清楚的口径

例如,你有一份订单表,想按月比较渠道收入,并排除退款。下面是教学用法,未在Deepnote运行。

更好的要求是保留原始表,另起步骤筛选退款,再按付款月份和渠道汇总。检查修改时,先看过滤列是否真的是退款状态、月份是否来自付款时间,最后再看图的颜色和排序。如果AI直接覆盖原表,或把下单日期当付款日期,即使柱状图很好看,也不满足这次问题。

笔记本的价值是把这些决定留成可见步骤。你可以让Agent解释某一块,再定向修改;同事接手时,也能看到数据经过了哪些处理,而不必只相信作者的一句保证。

允许AI看到什么,需要与任务一起设置

Agent可以使用项目上下文。工作区还提供是否开放block outputs的设置,输出中可能包含行级数据。若任务只需讨论一段SQL,未必需要把所有客户明细都暴露为上下文;若要核对结果,开放哪些输出则应由项目需要决定。

免费方案的AI调用有上限,运行机器的CPU、GPU等资源也另有方案限制,具体见当前价格表。不要把“免费笔记本”理解成所有模型与算力都没有成本。Edit可以执行代码,连接真实数据源之前,应先用熟悉的小样本确认过程。

如果你已经会检查Python或SQL,Deepnote Agent更像一位能在同一份工作记录里接着做事的协作者。它最值得试的不是第一张图生成得多快,而是你改一次口径后,整个分析仍能被看懂、重跑和交接。

资料核对于2026年11月11日,依据官方产品介绍与文档整理;未登录执行中文分析任务。

原始资料:Deepnote 官方产品与帮助资料

以上为编辑整理,功能、许可与使用条件以官方说明为准。

返回每日分享