11/05 workshop 資料分析實戰步驟:
track: curriculum architecture / environment: antigravity / theme: dose

11/05 實戰課程流程藍圖:從大模型認知到打造 Tableau-like 儀表板

清楚交代今天「使用哪一套工具、用了哪些 Skill、串接哪一些 API」。課程嚴謹分為兩大階段:第一塊以《大語言模型學習地圖》建立 Agent 認知與全球競爭局勢;第二塊全面進入 Antigravity 實戰,串接日本官方 e-Stat API,調用 8 大 Skill,把類似 Tableau 的 10 大數據原子儀表板從無到有一步步做出來。

進入分析師實戰工作流 ↗ 開啟 Data Atoms 儀表板 ↗ 📐 GitHub + GAS 系統架構 ↗ data-analyst 技能倉庫 ↗
11/05 課程流程與工具技術架構圖 第一塊:大語言模型學習地圖(認知篇);第二塊:Antigravity 真實工具實作、e-Stat API 與 Tableau-like 儀表板(實戰篇)。 第一塊 (認知篇) 約 15% 課程時間 大語言模型學習地圖 使用檔案:index.html (原版學習地圖) 1. Agent AI 核心概念 提問到完成工作:6 大核心通關站點 Token 分詞機率、上下文視窗 (Context) RAG 向量知識庫檢索與對話歷史記憶 Tool Calling 函數呼叫與自主 Agent 循環 2. 目前世界的競爭格局 全球主流開源 vs 商用模型全景圖譜 GPT-4o, Claude 3.5, Gemini 2.0, DeepSeek MoE 混合專家架構與端側推理技術 為什麼單純 LLM 不夠?需要外接環境 引出今日主角:Antigravity Agentic 環境 認知篇結語: 學員建立起對 Agent 與 Tool Calling 的底層 認知後,不空談理論,立刻無縫切入真實 世界工程工具,進行真實數據實戰! 準備進入實戰篇 ➔➔➔ 第二塊 (實戰篇) 約 85% 實戰實作時間 · 今日核心重頭戲 真實工具實作:從 Antigravity 到打造 Tableau-like 儀表板 產出檔案:data_atoms.html (獨立儀表板工作台) + 1080p 影音簡報 ① 使用哪一套工具? Antigravity Agentic Coding IDE 終端命令自動化執行 模組化 Skill 體系架構 人機結對編程 (Pairing) 前端開源底層 Apache ECharts 5.5 Graphic Walker 編碼槽 Zero-Build 純前端運行 無須安裝 Node 編譯 ② 串接哪一些 API? 日本 e-Stat 官方 API 總務省統計局 REST v3.0 申請憑證:appId 金鑰 避坑:URL 填 test.localhost 調用核心端點 /getStatsList 檢索 17 領域統計表 /getStatsData 獲取半世紀人口與面板數據 取得 47 都道府縣實績 ③ 用了哪些 Skill? ★ data-analyst (示範) Prompt樣板+資料清洗腳本 1. hallmark (dose 設計) 極簡工程現代網頁系統 2. diagram-design 分析師流程時序圖 SVG 3. dataviz (工業美學) Tufte 設計與色彩規範 4. dataviz-motion 1080p 60FPS 簡報+語音 5. deeptutor-mentor 港大架構自學 AI 導師 8 大 Skill 協同驅動 ④ 做出什麼功能? 類似 Tableau 的 Data Atoms 儀表板 10 大數據圖表原子 X/Y/顏色/大小編碼槽 Tableau Prep 分類 地區與年份雙層篩選 自訂 CSV/Excel 匯入 加碼影音產出 34秒包豪斯動態簡報 學員實戰交付 實戰流程總結(從 Antigravity 到交付成果): 1. Antigravity 環境 → 2. e-Stat API 抓取 → 3. 8 大 Skill 封裝 → 4. 深入分析與指南 → 5. 儀表板實作 配備 DeepTutor 自學導師機制:提供蘇格拉底式提問引導與三階提示,即使課後沒有老師在旁,學員也能獨立自學做出一模一樣的儀表板。

課程兩大階段核心技術解構

hands-on modules breakdown
第一塊:認知篇 (15%)

大語言模型學習地圖 (index.html)

以原版《大語言模型學習地圖》為核心,引導學員建立底層世界觀與 Agent 概念:

  • 通關 6 大站點:理解與生成、交代任務、查資料記憶、Tool Calling、Workflow、Evals 核對。
  • 全球競爭格局:全球主流開源與商用大模型全景(Claude 3.5, GPT-4o, Gemini 2.0, DeepSeek)。
  • 為什麼需要 Agent 工具:理解純語言模型在即時資料與精確計算上的極限,引出調用外部工具與 API 的必要性。
第二塊:工具與 API (85%)

使用哪套工具?串接哪一些 API?

真實工程環境與權威資料庫,拒絕假數據與空泛玩具代碼:

  • 工具 1:Antigravity(Google DeepMind 開發之 Agentic Coding 環境,自主執行終端與 Skill 擴展)。
  • 工具 2:前端開源引擎(Apache ECharts 互動圖表與 Graphic Walker 拖曳編碼槽,Zero-Build 即開即用)。
  • API:日本 e-Stat 官方 REST API v3.0(總務省統計局官方資料庫)。
  • 端點呼叫:/getStatsList 取得 17 大領域代碼;/getStatsData 獲取半世紀面板數據。
第二塊:Skill 與成果交付

用了哪些 Skill?做出什麼成果?

將複雜的資料處理、網頁版面與美學工程封裝為 8 大 Skill,附 GitHub 開源倉庫供學員探索:

  • data-analyst(示範):分析師 Prompt 提示詞樣板與 clean_data.py 清洗腳本(GitHub ↗)。
  • hallmark(網頁設計):現代工程極簡網頁規範與 dose 藥盤主題(GitHub ↗)。
  • diagram-design(架構流程):繪製分析師 5 階段流程圖與全日時序圖 SVG(GitHub ↗)。
  • dataviz(圖表規範):Tufte 工業級視覺化美學與 WCAG AA 對比度(GitHub ↗)。
  • dataviz-motion(動態影音):將分析圖表轉化為 1080p 60FPS 包豪斯動態簡報(GitHub ↗)。
  • data-atoms-dashboard(儀表板):一鍵產出 10 大數據原子、Tableau Prep 分類(開源 ↗)。
  • deeptutor-mentor(自主學習):港大 DeepTutor 架構,無老師也能靠三階提示獨立自學(GitHub ↗)。
architecture status: verified / curriculum date: 11-05
進入分析師工作流 ↗