核心用法
Dash Cog 是 CellCog 生态的数据可视化技能，通过自然语言指令即可生成交互式仪表板和 Web 应用。用户通过 create_chat() 调用，指定 chat_mode="agent"（标准仪表板）或 "agent team"（复杂应用/游戏），并在 prompt 中描述需求即可。
典型工作流：
1. 描述仪表板需求（KPI 指标、图表类型、筛选条件、设计风格）
2. 提供数据源（内联数据、CSV/JSON 文件上传、或请求生成模拟数据）
3. CellCog 生成包含交互图表、数据表格、筛选器的完整 HTML 应用
显著优点
- 零代码开发：纯自然语言驱动，无需前端或数据可视化编程经验
- 丰富组件库：支持 10+ 图表类型、KPI 卡片、可排序表格、地图、网络图等
- 全响应式：自动适配桌面、平板、移动端，支持深色/浅色主题
- 多场景覆盖：从销售/财务/营销分析仪表板，到计算器、配置器、小游戏均可构建
- 即时迭代：基于 CellCog 的对话式开发模式，可快速调整设计
潜在缺点与局限
- 依赖 CellCog 引擎：必须预先安装并配置 CellCog SDK 及 API 密钥
- 复杂自定义受限：高度定制化的交互逻辑或游戏机制可能需要
"agent team"模式，成本更高 - 数据源规模限制：大文件需通过
SHOW_FILE上传，超大数据集可能受处理限制 - 托管依赖：生成的应用运行依赖 CellCog 服务，非完全独立部署方案
适合人群
- 数据分析师、产品经理、运营人员：快速搭建业务监控仪表板
- 初创团队：无需前端工程师即可构建 MVP 展示界面
- 咨询顾问：为客户制作交互式数据演示和 ROI 计算器
- 教育者/内容创作者：构建交互式测验、时间线、简单教学游戏
常规风险
- 数据隐私：上传的 CSV/Excel 文件会传输至 CellCog 服务处理，敏感数据需脱敏
- API 成本：频繁调用或复杂
"agent team"任务消耗较多 token/积分 - 输出一致性：AI 生成的可视化质量可能因提示词清晰度而波动，需明确指定图表类型和设计方向
- 可用性依赖：CellCog 服务的稳定性直接影响技能可用性