AI生产数据分析WinForms项目笔记

一、项目概述

1. 核心目标

开发基于Windows窗体（WinForms）的本地AI数据分析工具，支持读取MongoDB/CSV格式的生产数据，调用本地部署的Ollama模型完成数据分析任务。核心满足三大要求：本地运行、非计算密集型（响应时间短）、具备精准的生产数据分析能力。

2. 技术栈

  • 前端：WinForms（基于.NET Framework 4.8，适配Windows桌面环境）

  • 数据层：MongoDB（通过MongoDB.Driver操作）、CSV（通过CsvHelper解析）

  • AI层：Ollama（本地部署，通过API调用模型进行分析）

  • 辅助工具：Newtonsoft.Json（数据JSON序列化/反序列化）、HttpClient（发送HTTP请求调用Ollama API）

二、环境准备

1. 开发环境

  • 开发工具：Visual Studio 2022（需提前安装.NET桌面开发组件）

  • 运行环境：Windows 10/11（64位系统，内存≥8GB，推荐16GB，保障模型运行流畅）

2. 必装NuGet包

包名 用途 安装方式（控制台）
MongoDB.Driver 操作MongoDB数据库（连接、查询、读取数据） Install-Package MongoDB.Driver
CsvHelper 解析CSV文件，读取文件中的生产数据 Install-Package CsvHelper
Newtonsoft.Json 实现数据的JSON序列化与反序列化，适配数据拼接和解析 Install-Package Newtonsoft.Json
System.Text.Json 解析Ollama API返回的JSON响应数据 （.NET Framework 4.8自带，无需额外安装，按需引用即可）

3. Ollama部署（本地AI环境）

  1. 下载安装：访问Ollama官网，下载Windows版本安装包，按默认步骤安装即可。安装完成后，Ollama会自动注册为Windows后台服务，支持开机自启。

  2. 服务验证：打开浏览器，访问http://localhost:11434，若页面显示「Ollama is running」，说明服务启动成功（该地址为项目调用Ollama API的核心地址）。

  3. 拉取轻量模型（推荐）：

    • 优先选择phi3:mini模型（体积1.4GB，响应速度快，适配生产数据分析场景），终端执行命令：ollama pull phi3:mini。

    • 模型验证：执行ollama list可查看已下载的模型；执行ollama run phi3:mini可手动测试模型响应，确保模型能正常生成回答。

三、WinForms界面搭建

1. 核心控件（Name属性+作用）

控件类型 Name 核心作用 关键属性配置
TextBox（多行） txtQuestion 供用户输入需要分析的问题 Multiline=True、ScrollBars=Vertical
ComboBox cmbDataSource 让用户选择数据来源（MongoDB或CSV文件） Items添加「MongoDB」「CSV文件」两个选项
Button btnSelectCsv 点击打开文件选择框，选择CSV文件并获取路径 Visible=False（默认隐藏，选择CSV数据源时显示）
TextBox txtCsvPath 显示选中的CSV文件路径 ReadOnly=True、Visible=False（与btnSelectCsv同步显示/隐藏）
Button btnSubmit 提交用户问题，触发数据读取、AI调用及结果展示流程 BackColor=LightBlue（提升视觉辨识度）
TextBox（多行） txtAnswer 显示Ollama模型返回的数据分析结果 Multiline=True、ReadOnly=True（禁止编辑结果）
Label lblStatus 显示当前处理状态（就绪、处理中、分析完成、分析失败） 默认Text=就绪
TextBox txbDatabase 供用户输入MongoDB数据库名称 默认值=ProductionDB（减少用户输入成本）
TextBox txbCollection 供用户输入MongoDB集合名称 默认值=ProcessData（减少用户输入成本）

2. 核心事件绑定

控件 事件 逻辑
cmbDataSource SelectedIndexChanged 切换数据源时，同步显示/隐藏btnSelectCsv和txtCsvPath控件
btnSelectCsv Click 打开文件选择对话框，用户选择CSV文件后，将路径赋值给txtCsvPath
btnSubmit Click（async void） 异步执行：读取数据源数据→构造Prompt→调用Ollama API→显示分析结果/错误信息

四、核心代码逻辑

1. 数据源读取（MongoDB/CSV）

  • 动态配置数据源：移除数据库名、集合名的硬编码，从txbDatabase、txbCollection控件中动态读取，并添加空值校验，避免因输入为空导致报错。

  • 灵活筛选数据：默认使用Builders<BsonDocument>.Filter.Empty查询所有数据，可扩展日期筛选功能（详见优化方向）。

  • 简化数据处理：移除ProcessData实体类，直接读取MongoDB的BsonDocument和CSV的dynamic动态类型，拼接为JSON格式文本，便于Ollama模型解析。

关键代码片段（MongoDB）

private async Task<string> GetDataAsync(string dataSource, string csvPath)
{
    if (dataSource == "MongoDB")
    {
        string mongoDatabaseName = txbDatabase.Text.Trim();
        string mongoCollectionName = txbCollection.Text.Trim();
        // 空值校验，避免无效输入
        if (string.IsNullOrEmpty(mongoDatabaseName)) throw new Exception("请输入MongoDB数据库名！");
        if (string.IsNullOrEmpty(mongoCollectionName)) throw new Exception("请输入MongoDB集合名！");
        
        var client = new MongoClient(_mongoConnectionString);
        var database = client.GetDatabase(mongoDatabaseName);
        var collection = database.GetCollection<BsonDocument>(mongoCollectionName);
        
        var filter = Builders<BsonDocument>.Filter.Empty;
        var dataList = await collection.Find(filter).Skip(0).Limit(50).ToListAsync(); // 分页控制数据量，避免Prompt过长
        StringBuilder sb = new StringBuilder();
        foreach (var doc in dataList)
        {
            sb.AppendLine(doc.ToJson(new JsonWriterSettings { Indent = true }));
            sb.AppendLine("---"); // 分隔不同数据文档，提升可读性
        }
        return sb.ToString();
    }
    // CSV读取逻辑（略，动态类型+JSON序列化，与MongoDB逻辑保持一致）
}
优化方向：新增日期筛选功能

核心思路：在现有界面新增控件，允许用户自主选择是否启用日期筛选、选择筛选日期，兼顾“查询全部数据”和“筛选指定日期数据”两种场景，适配生产数据按日期分析的实际需求，且不破坏原有功能逻辑。

具体实现方法

  1. 界面控件新增：在WinForms设计视图中，新增两个核心控件，无需复杂配置，满足基础筛选需求即可：

    • DateTimePicker控件：用于让用户选择需要筛选的具体日期，为日期筛选提供核心输入支持；

    • CheckBox控件：用于控制是否启用日期筛选功能，勾选则按指定日期筛选，未勾选则查询所有数据。

  2. 代码逻辑修改（核心片段）：重点修改GetDataAsync方法，新增日期筛选参数，实现筛选逻辑：


// 1. 新增日期筛选参数filterDate，修改方法签名（核心修改）
private async Task<string> GetDataAsync(string dataSource, string csvPath, DateTime? filterDate)
{
    if (dataSource == "MongoDB")
    {
        // ...原有数据库名、集合名读取及校验逻辑不变（略）       
        // 2. 核心日期筛选逻辑（新增）
        FilterDefinition<BsonDocument> filter;
        if (filterDate.HasValue)
        {
            // 筛选指定日期数据（忽略时间部分，仅匹配日期）
            filter = Builders<BsonDocument>.Filter.Eq(x => x["Timestamp"].ToLocalTime().Date, filterDate.Value.Date);
        }
        else
        {
            // 未启用筛选，查询所有数据（保持原有逻辑）
            filter = Builders<BsonDocument>.Filter.Empty;
        }
        
        // ...原有数据读取、拼接逻辑不变（略）
    }
    else // CSV日期筛选核心逻辑（新增）
    {
        // ...原有CSV文件存在校验逻辑不变（略）
        foreach (var record in records)
        {
            // 筛选指定日期的数据（匹配CSV中Date字段，忽略时间）
            DateTime recordDate = DateTime.Parse(record.Date.ToString());
            if (!filterDate.HasValue || recordDate.Date == filterDate.Value.Date)
            {
                // ...原有数据拼接逻辑不变（略）
            }
        }
    }
}
  1. 提交事件适配（核心片段）：修改btnSubmit_Click事件，添加日期参数传递逻辑，关联控件与筛选功能：

// 新增：根据CheckBox勾选状态，获取日期筛选参数（未勾选则为null）
DateTime? filterDate = chkFilterDate.Checked ? dtpFilterDate.Value : (DateTime?)null;
// 新增：调用GetDataAsync时传入日期参数（修改原有调用逻辑，适配筛选功能）
string rawData = await GetDataAsync(dataSource, csvPath, filterDate);

优化优势：新增功能不破坏原有代码逻辑，用户操作简单，可灵活切换筛选模式，适配更多生产数据分析场景，符合WinForms桌面应用的交互习惯。

2. Ollama API调用

核心配置

// 顶部集中配置（便于统一修改维护）
private readonly string _ollamaApiUrl = "http://localhost:11434/api/generate";
private readonly string _ollamaModel = "phi3:mini"; // 需与本地拉取的模型名完全一致
private readonly string _promptTemplate = @"请你分析以下原始数据集，并回答我的问题。
数据集：
{RawData}
我的问题：{UserQuestion}
回答要求：
1. 仅基于提供的数据集回答，不编造任何数据；
2. 必须分段输出，每个分析结论单独成段（用\n分隔）；
3. 关键结论用数字编号列出，简洁明了，突出核心数据。";
调用方法（含异常处理+超时控制）

private async Task<string> CallOllamaApiAsync(string prompt)
{
    using (var httpClient = new HttpClient())
    {
        httpClient.Timeout = TimeSpan.FromSeconds(30); // 适配非计算密集型要求，避免超时
        var ollamaRequest = new
        {
            model = _ollamaModel,
            prompt = prompt,
            stream = false, // 桌面应用适配，一次性返回完整分析结果
            num_ctx = 2048, // 上下文窗口大小，小模型推荐2048，足够容纳数据集
            temperature = 0.1 // 低随机性，确保数据分析结果精准
        };
        try
        {
            // 发送POST请求调用Ollama API，ConfigureAwait(false)避免阻塞UI线程
            var response = await httpClient.PostAsJsonAsync(_ollamaApiUrl, ollamaRequest).ConfigureAwait(false);
            response.EnsureSuccessStatusCode(); // 校验请求是否成功，非200状态码抛异常
            // 解析API响应数据
            var ollamaResponse = await response.Content.ReadFromJsonAsync<OllamaResponse>().ConfigureAwait(false);
            // 判空处理，避免空引用报错
            return ollamaResponse?.Response ?? "未获取到AI分析结果，请检查模型是否正常运行。";
        }
        catch (HttpRequestException ex)
        {
            // 捕获网络、API调用相关异常，给出明确提示
            throw new Exception($"Ollama调用失败：{ex.Message}，请检查：1.Ollama服务是否启动 2.模型{_ollamaModel}是否已拉取 3.端口11434是否被占用");
        }
    }
}
// 响应模型（字段大小写需与Ollama API返回格式完全一致，否则无法解析）
public class OllamaResponse
{
    [JsonPropertyName("response")]
    public string Response { get; set; }
    [JsonPropertyName("done")]
    public bool Done { get; set; } // 标记AI回答是否生成完成
}

3. 输出格式优化

解决AI回答无分段、格式混乱的问题，适配WinForms文本显示规则：

// 提交事件中处理换行符（WinForms需\r\n才能正确显示换行，AI返回为\n）
string aiAnswer = await CallOllamaApiAsync(finalPrompt);
string formattedAnswer = aiAnswer.Replace("\n", "\r\n"); // 替换换行符，确保分段显示
txtAnswer.Text = formattedAnswer;
// 进阶优化（可选）：改用RichTextBox控件，支持加粗、颜色等更丰富的格式展示

五、关键优化点

  1. 动态配置：将数据库名、集合名、Prompt模板、Ollama配置等提取为类顶部的变量，集中管理，便于后续修改维护，无需修改核心业务逻辑。

  2. 异步处理：所有IO操作（读取MongoDB/CSV数据、调用Ollama API）均使用async/await异步语法，避免阻塞UI线程，防止界面卡死，提升用户体验。

  3. 数据量控制：MongoDB读取数据时添加Limit(50)分页限制，避免数据量过大导致Prompt过长，进而引发AI响应超时或内存溢出。

  4. 异常兜底：对用户空输入、网络错误、Ollama服务异常、文件不存在等场景做全面异常捕获，并给出清晰的错误提示，便于问题排查。

  5. 格式适配：通过Prompt强制AI输出分段文本，同时在代码中替换换行符，确保WinForms控件能正确渲染分段格式，提升结果可读性。

六、常见问题与解决方案

问题现象 原因 解决方法
找不到MongoClient类型 未安装MongoDB.Driver NuGet包，或未添加对应using指令 安装MongoDB.Driver包，并在代码顶部添加using MongoDB.Driver;
AI回答无分段/格式混乱 Prompt未明确格式要求，或换行符不兼容WinForms显示规则 优化Prompt强制要求分段，同时在代码中替换\n为\r\n
调用Ollama提示「已取消一个任务」 Ollama服务停止、请求超时、11434端口被占用或数据量过大 1. 重启Ollama服务；2. 调高超时时间；3. 分页限制数据量；4. 检查11434端口是否被占用
Ollama拉取模型速度慢 网络环境不佳，默认镜像下载速度慢 临时切换国内镜像：终端执行set OLLAMA_MODELS=https://mirror.ai.tencent.com/ollama/models/，再拉取模型
CSV/MongoDB读取失败 CSV文件不存在、路径错误，或MongoDB数据库名/集合名输入错误 添加空值/路径校验，报错时提示具体错误信息，便于排查

七、核心注意事项

  1. Ollama模型名必须与代码中_ollamaModel完全一致（区分大小写），否则会导致模型调用失败。

  2. WinForms控件的Name属性需与代码中引用的名称完全一致，否则会报“未定义”错误，导致程序无法运行。

  3. 11434端口为Ollama默认端口，若被其他程序占用，可重启Ollama服务自动切换端口，或手动指定端口并同步修改代码中的API地址。

  4. Ollama模型拉取完成后，可离线运行，无需联网即可调用；离线使用前需确保模型已成功拉取。

  5. 大数据量场景需优先使用分页功能（如Limit(50)），避免Prompt过长导致AI响应超时或内存溢出。

# 人工智能 # 数据分析 # c#
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

cover

MCP/A2A/Agent Skills引爆智能体互联网时代！

avatar 2048 AI社区
cover

使用LangGraph、FastAPI和Streaml构建状态化AI应用的完整架构

avatar 2048 AI社区
cover

学AI能找到允许远程办公的工作吗？

avatar 2048 AI社区