作为本届4C大赛“健康数据洞察”赛道的官方智能体工具，DeepAnalyze由中国人民大学团队自主研发，旨在用大模型和智能体来模拟数据科学家的行为，自主地从数据源中提取最后的洞察。在今年的比赛中引入智能体支撑，旨在鼓励参赛者使用AI工具解决复杂任务，培养对智能体的理解与使用技能，并探索高效的“人机协同”路径，从海量健康数据中挖掘深层价值。

DeepAnalyze是中国人民大学信息学院自主研发的自主数据科学大模型，于2025年10月开源，目前在GitHub上已获得3,800多个星标，是开源社区自主数据分析领域的标杆项目。

与传统问答式大模型不同，DeepAnalyze能够模拟数据科学家的完整工作流程：用户只需提供数据源和一条自然语言指令，它就能自主完成数据读取、清洗、分析、建模、可视化，最终生成一份完整的数据分析报告。

本届4C大赛引入DeepAnalyze作为官方智能体，核心在于两大考量：

1.亲身实践“人机协同”的未来工作模式

智能体已成为数据密集型科学研究与决策中的重要工具。与DeepAnalyze协作的过程，本身就是一堂关于未来数据科学工作方式的实训课。参赛者将学习如何向AI清晰定义问题、如何批判性评估AI生成的分析结果与代码、如何基于AI的发现提出更深层的问题以引导下一轮分析。

这种“人类把控方向与深度，AI负责执行与广度”的协作模式，正是数据科学领域效率革命的关键，能够让同学们在实战中培养对智能体的理解和应用能力。

2.降低复杂任务门槛，聚焦核心创新

本次赛题提供的数据集涵盖全球各国疾病死亡、健康风险、营养人口、社会经济等多维度数据，覆盖面广、关联性强、数据量大。

传统方式要求参赛者需深入理解所有数据并编写大量代码，而DeepAnalyze能够接管数据清洗、探索、基础建模与可视化等繁重且标准化的环节，让参赛者从重复性劳动中解放出来，将更多精力投入到提出关键问题、设计分析框架、验证与升华AI产出的洞察等更具创造性的工作中，实现效率与深度的双重提升。

考虑到许多学生缺乏本地GPU算力资源，赛道组委会与和鲸社区合作，将DeepAnalyze完整部署于云端。参赛者无需关心复杂的模型部署与配置，只需申请API Key，即可像调用任何云服务一样，通过简便的接口与DeepAnalyze进行交互。无论是通过命令行、Python脚本，还是图形化前端界面，都可以快速上手使用。

对于希望深入使用的同学，DeepAnalyze也支持本地部署。最终提交时，只需按要求保存与智能体的交互记录作为附加材料即可。

DeepAnalyze和API的具体使用请参考：

技术报告：https://arxiv.org/abs/2510.16872

GitHub仓库：https://github.com/ruc-datalab/DeepAnalyze

张绍磊老师特别说明：引入智能体后，评分时将重点关注人机协同的过程与质量——是否根据智能体返回结果进一步优化问题？人与智能体的分工是否合理？能否体现各自优势？最终的分析深度和创新视角仍是核心。

张老师强调，智能体是提效工具，而非替代方案。作品的深度、广度和创新性，依然取决于选手自身的思考与投入。

本届4C大赛大数据主题赛“健康数据洞察”赛道三场系列培训已全部完成。回放视频已上传至赛事主页，前往赛事主页或前往链接【https://live-wa6doe.vhall.cn/v3/special/detail?id=259705714】即可观看完整回放，获取详细操作教程。

往期培训：

4C大赛健康数据赛道首场培训实录！

4C大赛竞赛培训揭秘国一团队：南京大学张洁教授复盘备赛全景

参赛必看！4C大数据主题赛“健康数据洞察”赛题Q&A+培训安排发布

欢迎各位选手登录赛事主页完成报名，并在和鲸平台提交作品。期待大家善用智能体工具，在人机协同中交出精彩的作品！

赛事相关咨询、答疑需求欢迎扫码加入赛事社群。