当前位置: 首页 > news >正文

玩转ChatGPT:Kimi OK Computer 数据分析

一、写在前面

某天打开Kimi时,弹出了一个对话框,邀请我体验全新功能“OK Computer”。

一开始让我有些疑惑,于是便查阅了相关信息:

2025 年 9 月,Kimi 发布基于 Kimi K2 大模型的多智能体(Multi-Agent)系统 OK Computer,标志其技术方向从通用对话交互向复杂任务端到端自主执行的关键跨越。该产品依托端到端强化学习(End-to-End RL)与动态工具调度协同机制,在任务执行能力与技术架构层面实现突破性进展

噢!原来是一个多智能体系统,并采用了端到端的训练方法。让我不禁联想到此前用过的Deep Research等智能体产品。

只需点亮“OK Computer”按钮,即可激活相关功能。官方提供的应用场景包括“网页应用”“移动应用”“数据分析”以及“灵感激发”等。此前我已测试过Claude 3.7 Sonnet进行数据分析(ARIMA建模),整体表现只能说勉强及格。

这次也忍不住想试试,Kimi在数据分析等方面的实际效果究竟如何。

二、开测

(1)具体问题

《玩转ChatGPT:Claude 3.7 Sonnet 数据分析(ARIMA)》中的一致,基于时间序列数据进行ARIMA建模。

(2)输入提示词

提示词:附件“data”是某省份2004年至2012年出血热的月发病率数据,请进行如下数据分析:(1)常规的数据描述性分析,但是要结合专业背景;(2)构建ARIMA模型进行拟合和预测,其中2004-2011年作为训练集,2012年作为验证集。输出报告可交互的最终报告,界面风格要美观。

把原始数据上传附件,点击开始运行。

(3)运行过程

跟其他智能体一样,Kimi先会生成一个“to do list”,也就是整个项目的计划:

接着就是按照这个计划一步一步执行。

每执行完一步,就会做好标记,即“[x]”,正在执行的步骤,显示的是“[-]”标志。

数据分析计划制定好了以后,就要开始写代码和运行代码了。

这里用的是Python语言,先写好代码,然后在虚拟环境运行代码。

到建模阶段,代码运行偶然会报错,Kimi会自我修正代码,并重新运行。

经过一段时间的运行,最终输出结果:季节性分析、趋势性分析以及ARIMA建模的结果。

当然,还做了一个“交互式分析报告”,包括执行摘要、数据描述、时间序列分析、ARIMA建模、结论建议以及数据下载,一共六个模块。整体感官还是有模有样的,报告地址为:https://pxewqhau452hu.ok.kimi.link/

项目过程中设计的代码和生成的数据,也可以一并下载,方便人工核对检查和复现。

三、个人感受

(1)国产智能体的进步非常明显,Kimi的执行过程也颇具趣味性。就像之前测试Kimi的深度研究一样,国产AI在这一领域表现突出。

(2)但在专业数据分析方面,短板仍较为明显。对于一般的描述性分析,如季节性分析、趋势分析等,表现基本良好,但在更为专业的ARIMA建模中则稍显不足。例如,面对存在季节性的数据时,未能自动考虑SARIMA模型(当然这也可能与提示词设置有关);参数设置和选择相对简单;最终结果输出也未展示训练集和验证集的性能参数等。

(3)总体来看,目前智能体在专业领域的应用还处于“仅供参考”的阶段,尚不能完全替代人工。不过,2025年仅仅作为智能体元年,未来还是非常值得期待的。

(4)Kimi也已开始实行收费模式,若需使用更多“深度研究”和“OK Computer”等功能,则需要额外付费。

http://www.dtcms.com/a/465271.html

相关文章:

  • iOS 26 App 性能测试|性能评测|iOS 26 性能对比:实战策略
  • 网站文章多久收录郑州seo服务技术
  • 随州网站建设学习不限流量网站空间
  • 突破机房围墙:openEuler设备的公网管理实战指南
  • 2025年渗透测试面试题总结-105(题目+回答)
  • 4.6 移动IP (答案见原书 P210)
  • Word之分栏出现问题分析与解决方案
  • Linux内核架构浅谈2- Linux内核与硬件交互的底层逻辑:硬件抽象层的作用
  • 三亚城乡建设局网站标识设计是什么
  • 网站建设流程渠道城市建设管理网站
  • 百胜软件“胜券在握AI开发平台”:以AI生态重构零售智能新范式
  • rtthread studio快速创建工程
  • MySQL事务隔离级别详解从读未提交到串行化的全面对比
  • 通用机械(1)
  • 使用yt-dlp来下载视频
  • 【深入浅出PyTorch】--上采样+下采样
  • 一个基于自适应图卷积神经微分方程(AGCNDE)的时空序列预测Matlab实现。这个模型结合了图卷积网络和神经微分方程,能够有效捕捉时空数据的动态演化规律
  • 笑话网站模板重庆品牌设计公司
  • (6)100天python从入门到拿捏《推导式》
  • 【数据结构】考研数据结构核心考点:AVL树插入操作深度解析——从理论到实践的旋转平衡实现
  • 遂宁网站建设哪家好网站诊断案例
  • Python访问数据库——使用SQLite
  • 一行配置解决claude code 2.0版本更新后 vscode 插件需要登录的问题
  • 问题:conda创建的虚拟环境打印中文在vscode中乱码
  • vscode 连接 wsl
  • 华为OD机试C卷 - 灰度图存储 - 矩阵 - (Java C++ JavaScript Python)
  • 资源采集网站如何做wap网站使用微信登陆
  • UNIX下C语言编程与实践58-UNIX TCP 连接处理:accept 函数与新套接字创建
  • wordpress博客站点云狄网站建设
  • 智能OCR助力企业办公更高效-发票识别接口-文字识别接口-文档识别接口