面对内网数据无法下载的困境，一种全新的AI协作工作流应运而生。它通过创建专属的AI数据分析师和AI工具开发者，实现了从需求理解、工具构建到数据采集与分析的全流程自动化。这套思路极大地提升了数据分析效率，为处理复杂数据环境下的任务提供了极具价值的参考。
智能速览
可以“捏”出一个熟悉业务的专属AI数据分析师。
AI“鲁班”角色能根据需求自动编写技术方案和工具。
通过自建工具，实现了内网网页数据的自动化抓取。
全流程分工明确，AI负责执行，人负责把控方向。
工作流可被AI自我总结，便于下次直接复用。
精华内容
这套AI协作体系的核心在于角色分工。一个负责策略分析，另一个负责技术实现，二者如何无缝衔接，共同完成一个复杂的数据分析项目？
定义专属分析师
基于提示词工程创建一个AI数据分析师。关键在于为其灌输特定业务背景、核心能力和结构化的工作流程。这种初始设置使得AI在启动新项目时，无需重复解释背景，就像一个有经验的员工，能够迅速理解任务并开始工作。其设计包括思维模式、行为原则和业务知识库，确保其分析具有相关性和深度。
AI鲁班造工具
当分析师确定所需数据但面临访问限制时，AI鲁班便介入。这是一个被赋予工具创造能力的AI角色。在收到“做一个浏览器数据采集工具”的指令后，它能独立编写出技术方案和实现代码。对于编程背景有限的用户而言，这极大地降低了技术门槛，让AI真正“长出了手”，能够操作浏览器并自动化执行原本需要人工编写的脚本任务。
自动化执行流程
工具创建后，AI会指导用户如何使用，并自动执行数据抓取。它能依次输入用户ID，抓取所需信息，并在遇到数据量过大等问题时，自主进行分批次处理以确保稳定性。数据采集完成后，AI数据分析师重新上线，直接对获取的数据进行处理，并根据预设维度生成分析报告，整个过程实现了高度自动化。
人机协同与复用
在这套体系中，人的角色转变为关键的监督者和决策者。只需在开始时明确目标和在关键节点纠正方向即可。例如，告知AI需要分析什么问题或做出何种判断。项目结束后，AI还能主动总结整个工作流程，形成可复用的“技能”，让未来的同类任务变得更加高效，实现了持续的学习与进化。
这种将数据分析与工具创造分离，并分别交由不同AI角色处理的思路，为AI落地复杂业务场景提供了新范式。它不仅是效率的提升，更是工作模式的革新。未来，这种高度定制化的AI团队是否能成为个人生产力的标配？
