提出问题即可自动完成意图理解、路径规划与任务拆解。无需手动编写数据库查询语句或脚本。
自动生成背景说明、核心指标、关键发现及行动建议。符合专业分析标准。
所有结论均由真实数据支撑，图表与文字一一对应，过程可回溯、可验证。
支持人工微调，支持周期性（周/月/季）自动更新，让分析资产持续沉淀。
定义从"数据快照"到"深度洞察"的飞跃
| 维度 | 标准模式 | 深度分析模式 |
|---|---|---|
| 生成策略 | 一次性生成 | 种子-生长模式 |
| 报告工具调用 | 1 次创建报告 | 1 次创建 + 5-7 次修改 |
| 图表/复杂度 | 单一指标 / 说明型 | 5-8 个图表 / 专业分析报告 |
| 证据链追溯 | 直接结果 | 包含假设、归因与方法论 |
深度分析模式不仅是文字的堆砌，它是将 人工智能 的推理过程逐步固化为分析资产的工程化流程。
创建最小可用骨架：确定报告标题与 100 字核心摘要，不带图表。
创建报告(name: "2025Q3销售下滑原因分析")人工智能 递归调用修改报告接口，每一轮迭代完成一个"发现章节"。
避免使用"销售分析"，而应使用"由于南方区物流延迟导致销量下降"。
图表占位符：<指标 ID="唯一标识" />
汇总结论闭环，并强制输出方法论 章节，确保计算逻辑透明、可复现。
无标题，3-5 句，关键发现必须使用 **粗体**。作为决策者的第一视角，必须在 10 秒内传达核心价值。
必须包含：数据源表名、时间窗口、核心数据库查询逻辑简述、以及关键假设。禁止"黑盒"输出。
## 关键发现：2月毛利下降 12%
// 智能分析文字：主要是由于原材料价格波动...
图表占位符：<指标 ID="唯一标识" />
## 方法论
* 数据范围：2026-01-01 to 2026-01-09
* 计算公式：(营收-成本)/营收
基于"确定性"的 人工智能 推理，拒绝幻觉输出
业务语义建模： 深度理解指标含义，而非机械计算。
工程化工作流： 将分析过程标准化，确保每一步都逻辑严密。
确定性约束： 在真实数据与规则边界内推理，确保结论 100% 可信。
"OraAI 报告功能，让业务问题直接转化为可信、可交付、可复用的分析成果。"