什么是RTutor？
RTutor是一个让你用日常语言就能完成数据分析的AI工具。与传统方式需要手写R或Python代码不同，你只需上传数据文件，用自然语言描述分析需求——比如"计算各组的平均值并画箱线图"——RTutor会自动生成代码、运行分析并展示结果。
RTutor由伊利诺伊大学的研究团队开发，初衷是降低统计学习门槛，让不擅长编程的学生和研究人员也能高效完成数据分析。目前它已被《Journal of Statistics and Data Science Education》等学术期刊引用，作为AI辅助统计教育的典型案例进行研究。
核心功能
RTutor围绕"对话式数据分析"设计，提供以下能力：
自然语言生成R/Python代码：基于GPT-4o模型，RTutor理解你的分析意图并自动生成对应的R或Python代码。模型经过预提示工程优化，专门针对数据分析场景进行了调校。
安全沙箱执行：代码在Shiny环境中实时运行，你可以直接看到输出结果、图表或错误信息，无需安装任何本地软件。如果代码出错，RTutor会显示错误提示，你可以继续对话修正。
探索性数据分析（EDA）：内置EDA标签页，一键查看数据概览，包括变量类型、缺失值、分布特征等，帮助快速了解数据全貌。
上下文感知会话：RTutor会记住当前会话中的历史代码和输出，支持连续对话。你可以说"把背景色改成白色"，它知道你在修改上一张图，无需重复说明。
可复现报告生成：每次分析自动生成R Markdown文件，可以一键编织为HTML报告，包含全部代码、图表和结果，方便分享和存档。
多文件支持：支持CSV、TSV、Excel格式，可同时上传两个数据集（`df`和`df2`）进行联合分析。
使用流程
使用RTutor只需三步：
1. 上传数据：将CSV、TSV或Excel文件拖入页面，RTutor自动识别数据类型并加载为数据框。 2. 用自然语言提问：在对话框中输入分析需求，例如"计算age列的均值和标准差""画一个收入和支出的散点图""做t检验比较两组差异"。 3. 查看结果并迭代：RTutor生成代码、运行并显示结果。你可以基于结果继续提问，逐步深入分析。
需要注意的是，使用RTutor需要自备OpenAI API密钥。上传数据时，RTutor默认随机抽取5行数据发送给GPT模型以帮助理解数据结构，你可以在设置中关闭此选项。
适用场景与群体
RTutor特别适合以下用户和场景：
- 统计初学者和学生：无需掌握R语言语法，通过自然语言即可完成课程作业和基础统计分析，重点学习统计思维而非代码细节。
- 学术研究人员：快速完成探索性数据分析、生成统计图表和可复现报告，减少重复性编程工作。
- 跨领域数据分析师：生物、医学、社会科学等领域的从业者，需要对数据进行统计分析但缺乏专业编程背景。
- 教学场景：教师可用RTutor演示统计概念，学生可在交互中理解数据分析流程。
与通用AI工具的区别
RTutor和直接用ChatGPT做数据分析有本质区别：
- 代码即执行：ChatGPT只生成代码，你需要复制到自己的IDE中运行；RTutor直接执行代码并显示结果，形成"提问-执行-反馈"的闭环。
- 数据安全：RTutor的会话数据不持久化存储，而通用AI对话可能存在数据留存风险。
- 专注数据分析：RTutor针对统计工作流进行了专门优化，包括自动数据类型转换、EDA面板、R Markdown报告等，比通用聊天工具更高效。
- 可复现性：自动生成完整的R Markdown文件，确保分析过程可追溯、可复现——这是学术研究的核心要求。
注意事项
RTutor目前处于原型阶段，有以下限制：
- 仅限学术和非营利使用，不支持商业用途。
- 分析质量依赖GPT-4o模型的表现，复杂统计方法可能存在偏差，建议对结果进行人工确认。
- 需要自备OpenAI API密钥，使用过程中会产生API调用费用（由OpenAI收取）。
- 数据上传后仅在当前会话有效，关闭页面后数据不会保留。
