LangChain Pandas Agent：更可控的 LLM 数据分析

PandasAI 是一个"黑盒"——你不知道 LLM 生成了什么代码。LangChain 的 create_pandas_dataframe_agent 提供了更透明的方案：你可以自定义工具（Tools）、控制推理过程（ReAct）、甚至限制可用的操作范围。

基本用法

from langchain_experimental.agents import create_pandas_dataframe_agent
from langchain_openai import ChatOpenAI
import pandas as pd
import numpy as np

df = pd.DataFrame({
    'model': ['GPT-4o', 'Claude', 'Llama', 'Qwen'],
    'MMLU': [88.7, 89.2, 84.5, 83.5],
    'price': [15, 15, 0.27, 0.14],
})

agent = create_pandas_dataframe_agent(
    llm=ChatOpenAI(model='gpt-4o', temperature=0),
    df=df,
    verbose=True,
    allow_dangerous_code=True,
)

response = agent.invoke("哪个模型每分性价比最高？计算公式：MMLU / price")
print(response['output'])

和 PandasAI 的关键区别在于 verbose=True——它会打印出 LLM 的完整思考过程（Thought）和实际执行的代码（Action），让你能审计它做了什么。这在调试和分析结果可信度时极其重要。

生产环境注意事项

1. 设置 temperature=0——数据分析需要确定性输出，不要随机性
2. 使用 gpt-4o-mini 降低成本——简单的查询不需要最强模型
3. 限制数据量——不要把百万行数据直接喂给 agent，先聚合再传入
4. 添加人工确认步骤——对修改性操作（删除/写入）要求二次确认