数据分析

一、功能概述

「数据分析」是 Bugly 推出的对话式质量分析能力，支持通过自然语言提问，直接获取应用质量数据的分析结论。无需手动翻页、筛选条件或编写查询语句，只需用日常语言描述你的问题，AI 即可自动理解意图、查询数据并给出分析结论。

支持 崩溃率/ANR率/FOOM率/卡顿率查询、新增/劣化/收敛问题分析、版本对比报告生成、大盘趋势分析，及自定义组合的数据检索分析能力。

核心价值

降低使用门槛：无需熟悉复杂的平台操作，用自然语言即可获取数据洞察
提升排查效率：从发现问题到定位根因，对话式交互大幅缩短分析路径
覆盖全场景：大盘监控、问题排查、版本对比、趋势分析等场景全覆盖
智能洞察：不仅返回数据，还提供趋势判断、异常识别、归因建议

核心功能

功能模块	说明
大盘指标查询	崩溃率、ANR 率、FOOM 率趋势，支持日期/版本维度
问题分析	新增、劣化、收敛问题 Top 列表，AI 诊断可能原因与建议
版本对比	两版本差异报告，快速识别新版本引入问题
多维度分布	按版本、机型、地区、渠道等维度查统计或 Top 数据
问题详情与堆栈	批量获取 Issue 详情、翻译后堆栈信息
卡顿分析	卡顿问题列表、FPS/挂起率/卡顿率等指标趋势
日志检索分析	按设备 ID/用户 ID/日志 URL 检索上报日志，解码异常附件
版本发布信息	查询版本号、发布类型（开发/灰度/发布）等信息
代码级原因分析	结合堆栈与代码仓库做深度原因分析

适用场景：日常质量监控、发版前评估、线上告警响应、质量日报生成。

二、使用方式

Bugly 数据分析提供三种使用入口：

2.1 页面 Copilot

页面 Copilot 是内嵌在 Bugly Web 管理端中的智能助手，开发者在浏览 Bugly 平台页面时可随时唤起，进行数据查询和分析对话。

使用方式

登录 Bugly 管理端
在页面右下角点击 Copilot 图标 或者顶部菜单，唤起对话窗口
输入你的问题，AI 将自动查询并返回分析结果

特点

特点	说明
上下文感知	Copilot 能感知当前页面上下文（如当前查看的版本、问题等），提供更精准的回答
即问即答	无需离开当前工作流，随时发起查询
多轮对话	支持追问和补充条件，逐步深入分析
可视化结果	查询结果支持图表、表格等多种展示形式

适用场景

在查看某个版本的崩溃数据时，快速了解 Top 问题
在排查某个 Issue 时，查询其在不同维度的分布
日常巡检时快速获取大盘指标概览

Copilot

2.2 数据分析 Skill

数据分析 Skill 是 Bugly 提供的本地 AI Agent 能力，通过 CodeBuddy / WorkBuddy / Cursor / Claude Code 等 AI Agent 工具加载使用。适合在 IDE 中工作时，无需切换到浏览器即可查询 Bugly 数据。

使用方式

在 AI Agent 工具中加载 bugly-data-analyzer Skill
配置 Bugly Token（与自动修复功能共用同一 Token）
使用自然语言直接提问

特点

特点	说明
IDE 集成	在开发环境中直接使用，无需切换到浏览器
多轮对话	支持通过 thread-id 保持会话上下文，可持续追问深入分析
智能引导	描述模糊时自动推断查询意图，给出 2-3 个建议供选择
深度分析	支持结合堆栈信息与代码仓库做代码级原因分析（服务端能力）
日志检索	支持按设备 ID/用户 ID 检索上报日志，解码异常附件
报告生成	可直接生成结构化的质量日报、版本分析报告、收敛报告

前提条件

已接入 Bugly 专业版，拥有产品 ID（Bugly 平台页面 URL 中 productId= 后的值）
已获取 Bugly Token（获取地址）
本地已安装 Python ≥ 3.10
安装 CodeBuddy / WorkBuddy / Cursor / Claude Code 等 AI Agent 工具

安装 Skill

# 解压并安装依赖
unzip bugly-data-analyzer.zip
cd bugly-data-analyzer
pip3 install -r scripts/requirements.txt

依赖很轻量，仅需 requests 库。

安装完成后，在 WorkBuddy / Cursor / CodeBuddy / Claude Code 中将 Skill 目录加入 Skill 列表即可使用。

配置 Token

Skill 支持以下方式获取 BUGLY_USER_TOKEN（按优先级从高到低）：

优先级	方式	说明
1	Secrets 密钥注入（推荐）	加载 Skill 时系统自动触发用户审批，审批通过后 Token 自动注入环境变量，无需手动配置
2	手动环境变量	`export BUGLY_USER_TOKEN=<your_token>`，设置后自动缓存到 `~/.bugly_token_cache.json`
3	本地缓存文件	若环境变量未设置，脚本自动从 `~/.bugly_token_cache.json` 读取上次缓存的 Token

Token 可在 Bugly 平台个人中心获取。

快速使用

在 AI Agent 对话框中直接用自然语言提问即可，提问时需包含 产品 ID 和 查询意图，例如：

查询产品 [你的ProductID] 最近 7 天的崩溃率趋势
对比 9.2.75 和 9.2.74 版本的新增问题
今天 Top 10 ANR 问题，按影响设备数排序
对今天新增的 Top 5 崩溃做 AI 诊断

数据分析Skills

温馨提醒

多轮对话: Skill 支持多轮对话，你可以在一次会话中持续追问、补充条件，AI 会自动保持上下文。例如先问"今天新增了哪些崩溃"，再追问"其中影响最大的那个是什么原因"。
智能引导: 当你的描述信息不够完整时（如缺少产品 ID、时间范围、版本号等），Skill 会自动推断 2-3 个最可能的完整查询建议供你选择，回复编号即可直接发起查询。

2.3 命令行 CLI

命令行 CLI 是直接在终端中执行查询脚本的方式，无需依赖 AI Agent 工具。适合集成到自动化流程、CI/CD 管线、定时任务或自定义脚本中使用。

使用方式

下载并解压 bugly-data-analyzer.zip
安装依赖：pip3 install -r scripts/requirements.txt
配置 Token（环境变量或本地缓存）
直接在终端执行 python3 scripts/run.py 命令

特点

特点	说明
无需 AI Agent	不依赖任何 IDE 或 AI 工具，终端即可运行
自动化友好	可集成到 CI/CD、定时任务、Shell 脚本中
结构化输出	支持 JSON 格式输出，便于程序解析和二次处理
多轮对话	通过 `--thread-id` 参数在多次执行间保持会话上下文
轻量依赖	仅需 Python ≥ 3.10 + `requests` 库

前提条件

已接入 Bugly 专业版，拥有产品 ID
已获取 Bugly Token（获取地址）
本地已安装 Python ≥ 3.10

安装

unzip bugly-data-analyzer.zip
cd bugly-data-analyzer
pip3 install -r scripts/requirements.txt
export BUGLY_USER_TOKEN=<your_token>

使用示例

# 基本查询
python3 scripts/run.py --product-id <产品ID> --message "查询最新发布版本有哪些新增崩溃问题"

# 输出 JSON 格式（便于程序解析）
python3 scripts/run.py --product-id <产品ID> --message "今天新增问题 Top 10" --output json

# 多轮对话（通过 thread-id 保持上下文）
python3 scripts/run.py --product-id <产品ID> --message "今天新增了哪些崩溃" --thread-id my-session-001
python3 scripts/run.py --product-id <产品ID> --message "其中影响最大的是哪个" --thread-id my-session-001

# 开启详细日志（调试用）
python3 scripts/run.py --product-id <产品ID> --message "分析今天新增问题" --verbose

# 仅校验 message 完整性（不发送实际请求）
python3 scripts/run.py --message "帮我看看问题" --validate

参数说明

参数	必填	默认值	说明
`--product-id`	是	-	Bugly 产品 ID
`--message`	是	-	自然语言查询内容
`--output`	否	`text`	输出格式：`text`（可读文本）或 `json`（结构化）
`--thread-id`	否	随机生成	会话 ID，相同 ID 的请求共享上下文
`--agent-id`	否	默认 Agent	指定 Agent ID
`--verbose`	否	`false`	开启详细日志输出
`--validate`	否	`false`	仅校验 message 完整性，不发送请求

命令行CLI

适用场景

在 CI/CD 流程中自动执行版本上线后的质量检查
通过定时任务（cron）自动生成每日质量日报
集成到告警系统中，告警触发时自动查询相关数据
在不方便使用 IDE 的环境中（如服务器）执行查询

2.4 三种使用方式对比

维度	页面 Copilot	数据分析 Skill	命令行 CLI
使用场景	在 Bugly 平台使用	在 AI Agent 中使用	自动化流程 / 脚本集成
上下文	自动感知当前页面上下文	需要在提问中明确指定	通过参数传入
适合人群	产品/测试/运维人员	开发人员	开发/运维/自动化工程师
启动方式	点击页面 Copilot 图标	在 AI Agent 中加载 Skill	终端执行 `python3 scripts/run.py`
输出格式	可视化图表/表格	对话式文本	文本或 JSON
自动化能力	不支持	依赖 AI Agent	原生支持脚本/定时任务

三、查询能力与使用场景

数据分析当前支持 15 大类查询能力，基本覆盖 Bugly 平台页面上能查的所有数据。你只需用自然语言描述你的问题，AI 会自动理解意图、调用对应能力并返回分析结果。

3.1 支持的查询类型

大盘指标与趋势

查询类型	说明	示例提问
大盘汇总与异常率趋势	产品整体次数、影响设备数、异常率及环比；异常率随时间趋势	「今天崩溃率和 ANR 率趋势，有没有异常？」「最近 7 天的崩溃率走势如何？」
卡顿问题列表与指标趋势	查卡顿问题列表；查 FPS/挂起率/卡顿率等趋势	「卡顿率最近趋势如何？」「FPS 掉帧最严重的页面有哪些？」

问题发现与分析

查询类型	说明	示例提问
按日期新增问题分析	查某天或日期区间内首次出现的问题（崩溃/ANR/FOOM/卡顿）	「今天新增了哪些崩溃问题？」「6 月 1 日到 6 月 10 日新增的 ANR 有哪些？」
按版本新增问题分析	查指定版本上线后新增的问题	「9.2.75 上线后新增了哪些 FOOM 问题？」
问题波动分析	当前周期 vs 对比周期的新增、劣化、收敛 Top 问题列表	「这周哪些问题劣化最严重？」「最近 3 天新增和收敛的问题分别有哪些？」
问题列表查询	按时间与筛选条件查 Issue 列表，支持按次数/设备数/上报时间排序、分页	「列出本周 Top 20 崩溃问题，按影响设备数排序」

版本对比与报告

查询类型	说明	示例提问
版本对比	两版本（或"某版本 vs 低版本"）的新增问题、已解决问题、劣化问题	「对比 9.2.75 和 9.2.74 版本的新增问题」「最新两个版本崩溃差异在哪？」
版本问题分析报告	按时间范围与设备阈值生成版本问题分析报告	「帮我生成今天的版本问题分析报告」
收敛问题报告	基于收敛问题列表生成格式化报告（支持 crash/anr/foom）	「生成本周收敛问题报告」
版本发布信息查询	查版本号、发布类型（开发/灰度/发布）等，辅助后续版本对比	「最新发布的版本号是什么？」

深度诊断与归因

查询类型	说明	示例提问
问题详情与堆栈	批量获取问题全量详情；按 feature 获取翻译后堆栈	「Issue ID xxx 的完整堆栈是什么？」
AI 诊断	对指定问题做新增/增长类 AI 诊断，给出可能原因与建议	「对 Top 5 崩溃做 AI 诊断分析」「Top 崩溃是什么原因？」
代码级原因分析	结合完整堆栈与代码仓库做深度原因分析	「结合代码分析一下这个崩溃的根因」
多维度分布/Top 数据	按版本、机型、地区、渠道等维度查分布统计或 Top 指标	「崩溃最多的机型 Top 10 是哪些？」「按地域分布，哪个省份崩溃率最高？」

日志检索

查询类型	说明	示例提问
日志检索与下载	按 URL 下载日志；按设备/用户 ID、时间、版本等检索上报日志；按问题特征获取异常附件并解码	「帮我查下设备 ID xxx 最近的上报日志」「下载这条日志的附件并解码」

持续扩展

数据分析的查询能力在持续扩展中，未来将支持更多维度的数据查询和更深度的智能分析。

3.2 典型使用场景

场景	示例问法	说明
每日质量巡检	「今天整体崩溃率趋势如何？有没有异常飙升？」	快速掌握大盘健康状态，发现潜在风险
版本上线评估	「对比 9.03.25.340 与 9.03.25.337 版本的新增问题差异」	快速识别新版本引入的问题，辅助发版决策
高优问题排查	「列出本周新增的 Top 20 崩溃问题，按影响设备数排序」	聚焦高优修复项，指导修复优先级
异常飙升定位	「分析今天下午 3 点到 5 点崩溃飙升原因」	快速定位指标异常区间的根因
多维度下钻	「查一下今天崩溃率最高 Issue 的 Top 10 机型是哪些」	按版本、机型、地区、渠道等多维度定位问题特征
质量日报生成	「生成今天的质量日报，列出崩溃、ANR、FOOM 的 Top 10 新增和劣化问题」	自动生成结构化日报，可推送至企业微信群
收敛复盘	「生成本周收敛问题报告」	跟踪已修复问题的效果，辅助质量复盘

3.3 提问技巧

为获得更精准的分析结果，建议在提问时包含以下要素：

要素	说明	示例
时间范围	明确查询的时间区间	「今天」「最近 7 天」「6 月 1 日到 6 月 10 日」
版本信息	指定具体版本号或相对描述	「版本 3.2.0」「最新版本」「最新两个版本」
问题类型	指明查询的异常类型	「崩溃」「ANR」「FOOM」「卡顿」
具体场景	描述你关注的分析方向	「新增问题」「Top 问题」「劣化」「收敛」
上下文信息	提供额外定位信息	Issue ID、具体时间段、特定机型

典型分析流程：

1. 大盘巡检：「今天整体崩溃率趋势如何？」
       ↓
2. 发现异常：「下午 3 点崩溃率飙升，是什么原因？」
       ↓
3. 定位问题：「Top 1 崩溃的特征分布是什么？」
       ↓
4. 深入分析：「这个问题在哪些版本出现？影响范围多大？」
       ↓
5. 生成报告：「帮我生成今天的问题分析报告」

四、常见问题

问题	原因	解决方法
提示「未找到 BUGLY_USER_TOKEN」	未配置认证 Token 且无缓存	推荐在 Skill 加载时通过 Secrets 审批自动注入；或执行 `export BUGLY_USER_TOKEN=<your_token>`
找不到 product-id	不知道如何获取	Bugly 平台页面 URL 中 `productId=` 后的值
Python 版本报错	Python 版本过低	需要 Python >= 3.10
请求超时	Agent 处理耗时过长	脚本默认超时 300 秒，可重试
SSE 流被截断	网络中断	检查网络后重试
连接被拒绝	代理或目标服务不可用	检查网络代理设置

Q1：数据分析和自动修复有什么关系？

数据分析侧重于发现和定位问题，自动修复侧重于解决问题。两者互补：通过数据分析发现异常和定位 Top 问题后，可以进一步使用自动修复能力进行代码修复。

Q2：页面 Copilot 如何唤起？

Q3：数据分析 Skill 和自动修复 Skill 是同一个吗？

不是同一个 Skill，但它们共用同一个 Bugly Token。数据分析 Skill（bugly-data-analyzer）专注于数据查询和分析，自动修复 Skill 专注于问题分析和代码修复。

Q4：查询结果不准确怎么办？

可以尝试：

补充更多上下文信息（时间范围、版本号、问题类型等）
换一种问法重新提问
将问题拆分为多个小问题逐步查询
利用多轮对话能力，逐步追问细化查询

Q5：Skill 会自动推断我的意图吗？

是的。当你的描述缺少关键参数（如产品 ID、时间范围、版本号等）时，Skill 会基于你的原话推断 2-3 个最可能的完整查询建议，你只需回复编号即可直接发起查询。

Q6：支持哪些数据指标的查询？

当前支持崩溃率、ANR 率、FOOM 率、卡顿率、FPS、挂起率、启动指标、内存指标等数据查询，以及问题列表、特征分布、版本对比、日志检索等多维度分析，共覆盖 15 大类查询能力。具体支持范围参见第三节查询能力与使用场景。

五、关键链接

资源	地址
Bugly 平台	https://bugly.tds.qq.com
获取 Token	https://bugly.tds.qq.com/v2/user/token

六、联系我们

如果您所在的业务想体验这个功能，或者对功能有任何疑问，欢迎联系我们：Bugly小助手。

数据分析

一、功能概述​

核心功能​

二、使用方式​

2.1 页面 Copilot​

使用方式​

特点​

适用场景​

2.2 数据分析 Skill​

使用方式​

特点​

前提条件​

安装 Skill​

配置 Token​

快速使用​

2.3 命令行 CLI​

使用方式​

特点​

前提条件​

安装​

使用示例​

参数说明​

适用场景​

2.4 三种使用方式对比​

三、查询能力与使用场景​

3.1 支持的查询类型​

大盘指标与趋势​

问题发现与分析​

版本对比与报告​

深度诊断与归因​

日志检索​

3.2 典型使用场景​

3.3 提问技巧​

四、常见问题​

Q1：数据分析和自动修复有什么关系？​

Q2：页面 Copilot 如何唤起？​

Q3：数据分析 Skill 和自动修复 Skill 是同一个吗？​

Q4：查询结果不准确怎么办？​

Q5：Skill 会自动推断我的意图吗？​

Q6：支持哪些数据指标的查询？​

五、关键链接​

六、联系我们​

一、功能概述

核心功能

二、使用方式

2.1 页面 Copilot

使用方式

特点

适用场景

2.2 数据分析 Skill

使用方式

特点

前提条件

安装 Skill

配置 Token

快速使用

2.3 命令行 CLI

使用方式

特点

前提条件

安装

使用示例

参数说明

适用场景

2.4 三种使用方式对比

三、查询能力与使用场景

3.1 支持的查询类型

大盘指标与趋势

问题发现与分析

版本对比与报告

深度诊断与归因

日志检索

3.2 典型使用场景

3.3 提问技巧

四、常见问题

Q1：数据分析和自动修复有什么关系？

Q2：页面 Copilot 如何唤起？

Q3：数据分析 Skill 和自动修复 Skill 是同一个吗？

Q4：查询结果不准确怎么办？

Q5：Skill 会自动推断我的意图吗？

Q6：支持哪些数据指标的查询？

五、关键链接

六、联系我们