一个可独立安装的 DeepSeek Harness（dsh）数据分析智能体：把表格数据交给模型， 由它分阶段完成清洗、探索、可视化或机器学习建模，并产出图表与报告。它通过 dsh 的 profile bundle 机制分发，不改 dsh 源码。
所有包统一使用 @andy1797833970 scope。仓库公开地址：
https://github.com/1797833970/dsh-data-analysis-plugin。
| 包 | 职责 |
|---|---|
@andy1797833970/dsh-code-runtime-python |
Python Code Runtime 后端：每段 run_code 在独立 Python 进程执行，经 NDJSON 桥接 host 工具 |
@andy1797833970/dsh-data-analysis |
模型工具 load_table / set_route / save_chart / save_report / export_pdf 与 analysisState 投影 |
@andy1797833970/dsh-skill-data-analysis |
运行时技能族：总编排 + 清洗 / EDA / 可视化 / 建模 / 报告 |
@andy1797833970/dsh-bundle-data-analysis |
profile patch：禁用 TS worker、挂载 Python 后端、工具与技能 |
完整步骤（含删除旧插件与重装验证）见 docs/INSTALL.md。 想理解这个插件“是怎么做出来的”、每个零件在干嘛，见 docs/data-analysis-plugin-tutorial.zh.md（小白版教学）。
最短路径（包发布后；显式锁版本以避免 npm latest 指向损坏的旧包）：
dsh plugin --profile data-analysis add @deepseek-ai/dsh-web-app@0.1.0-rc.6 @andy1797833970/dsh-bundle-data-analysis@0.1.0
dsh plugin --profile data-analysis install
dsh --profile data-analysisscripts/setup-python.ps1 # Windows
./scripts/setup-python.sh # macOS / Linux脚本创建 ./.venv、安装 requirements-data-analysis.txt，并把 DSH_PYTHON
指向该解释器。运行时只读取 DSH_PYTHON。
上传/给出文件路径 → load_table 自动识别格式与编码并写 loaded.parquet →
run_code 清洗后写 clean.parquet → ask_user_question 闸门 → set_route
（viz/ml）→ EDA → 可视化或建模 → 闸门 → save_report + export_pdf。
“全自动 / 自动分析 / 自动跑 / auto”关键词会跳过所有闸门直达报告。
本仓库的 @deepseek-ai/dsh-* 以 ^0.1.0-rc.6 作为 peer/dev 依赖，
@deepseek-ai/cordis 为 ^4.0.1、schemastery 为 ^3.18.1。pnpm install
可独立完成，不需要 dsh 源码 checkout。
pnpm install
pnpm typecheck
pnpm test
pnpm build- 不包含自定义 ECharts 图表节点：v1 用通用工具卡片 + Markdown 报告展示，图表 卡需要重建 dsh web 前端，留作后续。
- 依赖
@deepseek-ai/dsh-*与 vendored 依赖；在 dsh 发布这些包之前，只能以 “源码 checkout + profile”方式使用。
