用途：创建交互式 Web 应用，让利益相关者无需写代码即可探索数据、测试机器学习模型、查看分析结果。典型场景包括面向高管、产品经理或客户的自助仪表盘、ML 模型演示、运营团队使用的表单与报表工具、面向非编程人员的数据探索、以及产品工程前的 UX 原型验证。它强调数据应用是带控件、通过 URL 访问、供非编程者使用的已部署网页界面，与供写代码者交互运行的 Notebook 是不同范式。
主要能力与工具选择：Streamlit 适合快速原型与 ML 演示，API 最简单、社区最大；Gradio 适合共享 ML 模型并自带托管，可集成 Hugging Face Spaces；Panel 适合复杂响应式布局与 Jupyter 集成；Dash 面向生产级仪表盘，基于 React 生态、组件丰富；NiceGUI 适合类原生 UI 与异步工作流，可同时做桌面与网页。
使用方式：文中给出项目结构建议（app.py、requirements.txt、.env、data/、utils/），并附各框架快速起步代码片段，例如 Streamlit 用 streamlit run app.py，Panel 用 panel serve app.py --show，Dash 中 app.run(debug=True)。密钥须用环境变量或框架 secrets 读取，不可硬编码。
限制与注意：资料未提供各框架的收费、价格、性能基准或托管条款细节。实践要点是先用一个控件加一个可视化做 MVP，再按受众迭代；避免每次交互重复加载数据、长计算阻塞 UI、缺少错误处理、硬编码路径或凭证、控件过多造成认知过载，并注意移动端适配。