微软悄悄开源的数据分析工具 Data Formulator，两篇介绍拼起来正好把它的价值说全。先看它对准的两个痛点：用 AI 做数据分析时，要么模型甩给你一堆冷冰冰的 SQL／Python 代码让你自己调试；要么图表生成完，你多追问一句，上下文就开始漂移，图表直接崩溃。
微软这个工具的解法是把大模型 agent 能力和拖拽式界面焊在一起。（仓库：github.com/microsoft/data… ）
能力清单里最值钱的是两处。第一是 Anchor（锚定清洗结果）：把已清洗好的中间状态数据牢牢固定，后续多轮连续追问时，分析逻辑绝不倒退或变形——今晚反复讲的"查询别漂移"，这里第一次有了产品级的实体机制：不是靠模型自觉，是把状态钉住。
第二是 Branching（图表分支）：任何一张图都能衍生新分支，像思维导图一样并行探索不同假设——把"试错"从覆盖式改成保留式，比掉一张图重来省得多。
其余几项各有分工：多源即连（CSV、PostgreSQL、BigQuery、实时 URL）；语言驱动加拖拽微调——字段拖到 X／Y 轴或颜色上，配一句大白话，底层 agent 自动写 SQL 完成清洗与重塑，输出的是完全可编辑的交互式图表，而不是一锤子买卖的代码转储；实时联动刷新，接上动态数据就自动更新；以及最关键的一条：支持自带 API Key、本地运行，商业核心数据完全不用担心被云端采集泄露。
"输出可编辑的图表而不是代码转储"这句，和昨晚 open-slide 那篇是同一个判断的两次落地：agent 的产出该从终稿退回初稿，把定义权和最后一笔留给人。而本地运行这条，又和"公司大脑装自己家才敢喂真资料"接上了——数据敏感的场景里，工具的部署位置就是它的可信度。
给要上手的人一句落地的：它最适合的不是一次性出图，而是那个反复追问的下午——先用一句话把原始数据洗成锚定状态，然后放开了问；每次追问都基于同一份被钉住的中间结果，分析就不越问越歪。锚定之前先别急着问，把清洗这一步做对，后面每一轮追问才都算数。
