数据分析最耗人的地方常常不在「分析」，而在中间那段搬运：业务方在群里问一句「这个月渠道转化率怎么样」，你打开数据库写 SQL、导出 Excel、再去图表工具里调格式、最后拼成一张图发回群里。DSH Data Agent（omdsh-dev/dsh-data-agent）想压缩的就是这段搬运，让提问和数据之间只剩一次对话。下面用「各渠道转化率环比」这一个问题，把从连接、提问、追问到报告分发的整条链路走一遍。
装到 Web 界面：一条命令
插件装在 DSH 的 web profile 下：
dsh plugin --profile web add @yejiming/dsh-data-agent如果你更习惯终端，可以装到 dsh-tui：
dsh plugin --profile dsh-tui add @yejiming/dsh-data-agent版本上有一条硬门槛要先确认：插件 0.2.2 的 peerDependencies 全部要求 DSH >=0.2.0-rc.1，README 也声明了同一范围，目前已完成运行验证的是 0.2.0-rc.2。README 对旧版用户的说法很直接——旧版 DSH 请继续使用相应旧版插件。所以动手前先看一眼自己的 dsh 版本，别装完发现「数据模式」根本不出现。
第一步：在「连接配置」里把库接进来
启动 dsh --profile web，新建会话，先选「数据模式」。连接入口有两个：新会话页「数据模式」旁就有「连接配置」；进入会话后，也可以点输入框右上角的数据库图标，从弹出的工作台里填连接信息。
工作台里要填的是目标库的连接信息。这一步最值得用的功能是「测试连接」——在真正提问之前先把连通性确认掉，不至于把「密码写错」和「模型没懂我说什么」两类问题混在一起排查。连接成功后，就可以抛开 SQL 直接说话了。
第二步：用大白话提第一个问题
假设我想知道各渠道的转化率环比，直接问就行：
「统计本月各渠道从注册、搜索、加购到下单的转化率，对比上月环比，找出流失率最高的步骤。」
插件会自己探查库表结构、编写并执行查询，再给出结论，而不是把一串数字甩回来。它内置的库表浏览和数据治理两个模块，用的就是这一步探查到的结构信息。
对不懂 SQL 的业务同学来说，这一步的门槛是真降了：你不需要知道那张订单表叫什么、字段是拼音还是缩写，只要把业务口径用平常话说清楚。
第三步：顺着结论继续追问下钻
第一轮往往只是「看见」问题，真正有价值的是往下钻。比如第一轮发现「华东区 5 月环比下降」，接着问「为什么华东区 5 月环比下降了」，或者「再帮我按省份拆解一下」「把柱状图换成饼图」。插件会沿着上下文继续分析，而不是每次从零重来。
这也是它和「一次性生成一张图」的工具的核心区别：对话是连续的，追问是顺着上一步的结果走的，可以一层层把原因逼近到具体维度。一份能直接汇报的报告，通常就是在两三轮追问之后才成形的——第一次问出来的东西是素材，追问之后得到的结论才是交付物。
第四步：报告落到 analysis-reports/，怎么发给同事
当分析需要可视化时，Agent 会自动生成单图或多维 Dashboard，并把独立的离线 HTML 报告保存到工作目录的 analysis-reports/ 目录下。报告里有指标卡、动态图表和明细数据表，内置了所有图表样式与交互数据，无需网络即可双击打开。
「发给同事」这件事因此变得很简单：analysis-reports/ 里那个 .html 文件是自包含的，微信、邮件、钉钉直接发过去，对方用任意浏览器双击就能全屏查看和交互，不需要装 DSH，也不需要装任何插件。这一点对经常要给不使用 DSH 的同事或领导汇报的人特别省事——不用截图，不用转 PDF，也不用对方去复现你的环境。
这里有一个容易踩的细节：报告落在当前工作目录下，而不是固定的 home 目录。会话的 cwd 变了，同类报告就会散落到不同地方。如果你会经常生成报告，最好把会话工作目录固定下来，或者养成顺手记一下绝对路径的习惯。
这条链路里几个需要知道的事实
只读保护要靠两件事同时成立。 文档的措辞是「推荐使用只读数据库账号，并在连接时开启只读模式」。也就是说，它不是一个装完就自动生效的硬隔离：账号本身要只读，连接配置里也要把只读模式打开。两边都配好之后，写入、修改、删除这类高危指令会被拦截。对着一张生产库先建只读账号，是把这条链路推向生产环境之前的必做动作。
凭据只在当前会话运行时使用，不记录在明文历史里，也不上报远程服务器；查询和报告生成都在本地完成。同时插件的静态扫描判定为「含敏感能力」，证据里能看到它会读写本地文件（生成报告时会 mkdir、writeFile、unlink）。这两条放在一起看更准确：它是本地可信执行加文件落盘，不是「纯内存只读」，所以工作目录的权限也需要你自己管好。
口径治理值得花一次时间。 工作台的「数据治理」模块会用 AI 扫描库表结构，生成中文业务释义，支持逐项确认、删除和补充指标。公司里表名字段是拼音缩写的情况很常见，把「净成交额 = 订单金额 - 退款金额」这类口径录进去并确认之后，后续每一轮分析都会沿用这套经过确认的说法，而不是每次让模型重新猜。
把这四点合起来看，这条链路的形状就很清楚了：一条命令装好，连接配置里测试连接，大白话提问，追问下钻，自包含 HTML 报告落到 analysis-reports/，直接发给同事。中间不需要你写一行 SQL，也不需要切换任何工具。想要对照同类插件的中文清单与安装形态，可以看 DeepSeek Harness Hub 插件清单。
总结
data-agent 把「写 SQL、导出、拼图、汇报」这条链路压缩成了一次对话，报告以自包含 HTML 落在工作目录，分发成本几乎为零；想对照同类插件的中文清单与安装形态见 DeepSeek Harness Hub 插件清单。
适合与不适合
适合：需要频繁做渠道、漏斗、营收复盘的业务分析师；表名字段是拼音缩写、口径需要统一治理的团队；要给不使用 DSH 的同事发汇报材料的岗位；已经有可连的 MySQL、PostgreSQL、SQLite、ClickHouse 等结构化库、只差一个对话入口的人。
不适合：手上根本没有可连数据库、只想看演示效果的人；DSH 还停在 0.1.x 版本的用户；需要检索非结构化文档、日志或图数据库的场景。
标签：dsh-data-agent、DeepSeek Harness、对话式数据分析、业务口径治理、离线 HTML 报告
本文由 DeepSeek Harness Hub 自动整理，数据来源于插件详情页。