分析数据 · 记录于 2026 年 9 月 28 日
一个小型数据集。
一个可核验的答案。
Pi Agent 分析了 12 个合成订单，分离出已退款行，并生成了一份包含可复现计算的报告。
实际运行 · 合成输入这测试的是一个本地 CLI 任务。Pi Agent 需要安装、配置好的模型提供商，以及运行 Python 的权限。它并非对基于浏览器的电子表格产品的测试，也不是通用的数据分析基准测试。
任务
计算付费收入、退款订单金额、付费订单平均值和各渠道收入。将退款订单排除在付费收入之外。用代码进行算术运算，避免得出没有依据的业务结论。
输入为合成数据，不含任何个人或客户数据。货币单位未作说明。
order_id,channel,amount,status A001,Organic,120,paid A002,Email,80,paid A003,Social,65,paid A004,Organic,150,paid A005,Email,40,refunded A006,Social,90,paid A007,Organic,110,paid A008,Email,100,paid A009,Social,75,refunded A010,Organic,130,paid A011,Email,60,paid A012,Social,50,paid下载原始 CSV
智能体交付了什么
| 指标 | 结果 |
|---|---|
| 付费订单 | 10 |
| 付费收入 | 955 |
| 已退款订单金额 | 115 |
| 付费订单平均值 | 95.5 |
| 自然流量 / 电子邮件 / 社交 | 510 / 240 / 205 |
输出包含一份 Markdown 报告和一个仅使用标准库的 Python 脚本。它给出了精确的公式和一项对账：955 笔已支付 + 115 笔已退款 = 1,070 行总值。
我们如何核查
我们运行了生成的脚本，并用十进制算术从原始 CSV 中单独重新计算了总计。我们检查了两个已退款订单 ID、所有三个渠道总计以及已支付订单数。计算结果一致。
运行配置：Pi Agent 与已配置的deepseek/deepseek-v4.1-flash通过其提供商适配器使用模型；已启用本地读取、shell 和文件写入工具。
人工工作与局限性
我们提供了一个刻意精简、干净的数据集和明确的付费收入定义，然后审阅了生成的文件。算术部分无需修改输出。本次运行没有测试杂乱电子表格、含糊的列含义、私有数据处理或大型文件。执行过程由建站助手监督，而非单独的人类研究小组。
成本：使用的是已配置的模型提供商账号；无法获得可靠的每次运行计费金额。此处不将任何成本估算作为实测数据呈现。
尝试该工作流
- 准备一份小型 CSV，并明确哪些行应计入。
- 让智能体生成报告和计算代码。
- 在安全的本地环境中运行代码。
- 在依据报告行动之前，先独立核对几个总计数字。