Data Formulator 解读：微软把 AI 数据探索做成了「可视化工作台 + 数据线程」

用 AI 做数据分析的人大多遇到过同一类挫败：要么是聊天式 BI——问一句答一句，追问三轮后上下文糊掉，再也说不清自己探索到了哪一步；要么是传统 BI——图表精细但每次改维度都要重新拖拽配置。微软研究院的 Data Formulator（Python，17k+ stars，MIT）试图在这两者之间落一个平衡点：一个可视化工作台，AI 代理在背后干活，探索过程本身可分叉、可回溯。当前稳定版 0.7；0.8 beta 1（2026-08-15）已把交互收拢为单一流，尚在预览阶段。

核心判断

Data Formulator 的独特点不在「AI 能画图」——这已是红海——而在两个结构性设计：数据连接器带数据记忆（data memory，记住多数据源之间的关系，避免代理在关系未明时就抢答）和 Data Thread（数据线程，把每次分析做成可分支的节点，从长聊天记录变成可见的探索树）。它赌的是：数据分析的瓶颈不是生成图表的速度，而是探索过程的空间感。边界也来自这里——它是探索工具，不是报表平台，固化定时报表、企业级权限治理不是它的主场。

系统地图

理解这个项目只需四个构件：

Flint 值得单独一提：图表不是由 LLM 直接吐 SVG 或 matplotlib 代码，而是编译紧凑的图表规范（chart spec）为成品可视化——把「生成自由度」限制在受控的规范层，出图的稳定性比让模型自由发挥高一截。规范本身是人类可读可编辑的文本，AI 生成后不满意，直接改规范微调即可，不必重新描述需求碰运气。这个引擎独立开源（TypeScript，4k+ stars），你也可以只用 Flint、不用 Data Formulator。

交互设计上，它刻意混合 UI 操作与自然语言：用户可以用点选表达确定的意图（改个颜色、换个图型），用语言表达模糊的意图（「这两个指标有关系吗」）。这比纯聊天界面少了打字负担，比纯 UI 少了配置成本。

演进脉络：从「图像转数据」到「统一探索流」

版本史能看出项目重心的迁移：

• 早期（0.1.x–0.2）：多表自动连接（0.1.6）、DuckDB 支撑大数据量（0.2）、外部数据加载器（0.2.1.3/4：MySQL / PostgreSQL / MSSQL / Azure Data Explorer / S3 / Azure Blob），加上从截图和文本里抽取数据——这几项铺的是数据侧的地基。
• 中期（0.2.2–0.5.1）：目标驱动的探索推荐（0.2.2）、代理模式与数据抽取（0.5）、可编辑报告（0.5.1）。
• 0.6（2026-01）：接入 URL 与数据库的实时数据，自动刷新——从分析静态文件迈向分析活数据。
• 0.7（2026-05）：现在的形态——治理化的数据源连接、统一 DataAgent + Data Thread、Flint 语义图表引擎（30+ 图型）+ 风格精修代理、持久化会话与工作区、中英双语 UI。
• 0.8 beta 1（2026-08-15）：统一「加载 → 提问 → 审视结果 → 分叉」的单一流；数据加载改成对话式——代理先发现可用的源、提出加载计划，你预览确认后才进工作区；扩充数据源（含 Databricks Unity Catalog 与更多企业认证），桌面版支持持久化附件与本地文件夹访问。

模型侧通过 LiteLLM 接 OpenAI / Azure / Anthropic / Ollama 等，本地 Ollama 也能驱动——对不想把数据送出内网的用户是硬需求。

上手：最快一条命令

uv 直接跑（推荐，零配置）：

uvx data_formulator

pip 安装（建议虚拟环境）：

pip install data_formulator
python -m data_formulator   # 自动打开 http://localhost:5567

Docker：

docker compose up --build   # 同样访问 localhost:5567

想改它本身，就克隆仓库按 DEVELOPMENT.md 本地构建。

0.8 预览版：uvx [email protected]，或 pip install --pre data_formulator==0.8.0b1。另有桌面版（Windows / macOS）从 CI 构建产物下载——注意官方警告：预览构建未签名未公证，绕过系统警告前务必确认来源是本仓库的 artifacts 或 releases。uvx data_formulator --help 可看自定义端口、沙箱模式、数据存储位置等选项。

一个探索任务怎么走

以「分析一份销售 CSV」为例的典型流：

1. 接入：拖入 CSV / Excel / JSON（或连接数据库、粘贴截图让它抽数据）。0.8 起也可以直接让代理找数据：它先摸清有哪些源、给出加载计划，你预览确认后才进工作区。
2. 首问：「按区域看季度趋势」——DataAgent 生成图表，落在 Data Thread 的第一个节点。
3. 分叉：看到华东异常，从该节点分出「华东只看线上渠道」的新分支；同时另一支去比「区域 × 品类」。
4. 精修：点选换堆叠柱状图为百分比条形图，或直接改图表规范，或让风格代理统一配色。
5. 沉淀：把有价值的分支整理成报告导出。

与聊天式 BI 的差别在第 3 步：分叉是显式结构，不是淹没在滚动记录里；回到任何节点都能看清「我当时问了什么、看到了什么」。

边界与适用人群

• 适合：分析师的个人/小团队探索场景；需要频繁从异构源（截图、文本、CSV / Excel / JSON、库表）快速拼数据的临时分析；希望探索过程可回溯、可对比的工作流。
• 不适合：企业级报表平台替代品（定时报表、行级权限、审计不在当前能力中心）；重度 Excel 自动化场景——那是另一类工具的领地。
• 注意：0.7 → 0.8 正在交互重构期，beta 版适合尝鲜不适合依赖；桌面构建未签名；核心交互假设「探索为主」，如果你的日常是「每月跑同一套固定图表」，它带来的增益有限。

Data Formulator 对「AI + 数据分析」的贡献是一个清醒的判断：聊天不是数据分析的好界面，可分支的探索树才是。把 AI 的生成能力和可视化工作台的空间感结合起来，这条路比「更聪明的聊天机器人」更接近分析师的真实工作方式。

来源与进一步阅读

• 项目仓库：microsoft/data-formulator，版本与 News 以 README 和 CHANGELOG 为准。
• 图表引擎：microsoft/flint-chart —— 独立的开源可视化语言，可单独使用。
• 初版说明：微软研究院博客。
• 在线体验：data-formulator.ai。