我们推出了LAMBDA，一个全新的开源、无代码的多智能体数据分析系统，它充分利用了大型模型的强大能力。LAMBDA旨在通过创新设计的数据智能体，在复杂的数据驱动应用中解决数据分析挑战；这些智能体以自然语言为媒介，进行迭代式和生成式的操作。

最新消息

• LAMBDA 的 macOS 和 Windows 应用程序已发布。详情请参见 发布页面。（提示：应用程序中的内核安装可能存在一些问题。您应提前运行 ipython kernel install --name lambda --user 来安装内核。）
• 文档网站现已上线！

核心功能

• 无代码数据分析：通过人类语言指令即可完成复杂的数据分析任务。
• 多智能体系统：利用程序员和检查员两大核心角色，无缝生成并调试代码。
• 用户界面：提供强大的用户界面，允许用户直接介入操作流程。
• 模型集成：灵活集成外部模型和算法，满足定制化的数据分析需求。
• 自动报告生成：专注于高价值任务，无需耗费时间和精力在报告撰写与格式化上。
• Jupyter Notebook 导出：将代码和结果导出至 Jupyter Notebook，便于复现与进一步分析。

快速入门

安装

首先，克隆仓库。

git clone https://github.com/AMA-CMFAI/LAMBDA.git
cd LAMBDA

然后，建议为该项目创建一个 Conda 环境，并按照以下命令安装依赖：

conda create -n lambda python=3.10
conda activate lambda

接着，安装所需的软件包：

pip install -r requirements.txt

接下来，您需要安装 Jupyter 内核以创建本地代码解释器：

ipython kernel install --name lambda --user

配置以便快速开始

1. 要使用大型语言模型，您需要从 OpenAI 或其他公司获取 API 密钥。此外，我们还支持部署后的本地 LLM 的 OpenAI 风格接口，可用框架包括 Ollama、LiteLLM 和 LLaMA-Factory。

以下是一些提供免费 API 密钥的产品供您参考：OpenRouter 和 SILICONFLOW。

2. 在 config.yaml 中设置您的 API 密钥、模型和工作路径：

#================================================================================================
#                                       LLM 配置
#================================================================================================
conv_model : "gpt-4.1-mini" # 选择您想要使用的模型。强烈推荐使用高级模型。
programmer_model : "gpt-4.1-mini" 
inspector_model : "gpt-4.1-mini"
api_key : "sk-xxxxxxx" # 您购买的 API 密钥。
base_url_conv_model : 'https://api.openai.com/v1' # 提供商的基础 URL。
base_url_programmer : 'https://api.openai.com/v1'
base_url_inspector : 'https://api.openai.com/v1'


#================================================================================================
#                                       系统配置
#================================================================================================
streaming : True
project_cache_path : "cache/conv_cache/" # 本地缓存路径
max_attempts : 5 # 自我修正的最大尝试次数
max_exe_time: 18000 # 执行的最长时间

#知识整合
retrieval : False # 是否启动知识检索。如果您尚未创建知识库，则应将其设置为 False

最后，运行以下命令以启动带有 GUI 的 LAMBDA：

python lambda_app.py

演示视频

LAMBDA 在解决数据科学问题方面的表现已在多个案例研究中得到展示，包括：

• 数据分析
• 融合人类智慧
• 教育应用

计划中的工作

• 创建日志记录器。
• 在内核中预安装常用软件包。
• 将 Gradio 界面替换为 OpenWebUI。
• 使用 ChromaDB 重构知识整合与知识库模块。
• 添加 Docker 镜像以方便使用。
• 文档站点。

更新历史

请参阅 文档网站。

相关工作

如果您对数据智能体感兴趣，可以查看：

• 我们的综述论文 [基于大型语言模型的统计与数据科学智能体综述]
• 以及阅读列表：[基于 LLM 的数据科学智能体论文列表]

许可证

本项目采用 MIT 许可证授权——详细信息请参阅 LICENSE 文件。

致谢

感谢各位贡献者和社区的支持与反馈。

---

如果您在研究中觉得我们的工作有所帮助，请考虑引用我们的论文，格式如下：

@article{sun2025lambda,
  title={Lambda：基于大型模型的数据代理},
  author={Sun, Maojun and Han, Ruijian and Jiang, Binyan and Qi, Houduo and Sun, Defeng and Yuan, Yancheng and Huang, Jian},
  journal={美国统计协会期刊},
  pages={1--13},
  year={2025},
  publisher={泰勒与弗朗西斯}
}

@article{sun2025survey,
  title={面向统计学和数据科学的大型语言模型代理综述},
  author={Sun, Maojun and Han, Ruijian and Jiang, Binyan and Qi, Houduo and Sun, Defeng and Yuan, Yancheng and Huang, Jian},
  journal={美国统计学家},
  pages={1--14},
  year={2025},
  publisher={泰勒与弗朗西斯}
}

星标历史

LAMBDA 快速上手指南

LAMBDA 是一个基于大模型的无代码多智能体数据分析系统。它通过自然语言指令驱动“程序员”和“检查员”两个智能体协作，自动完成复杂的数据分析、代码调试及报告生成任务。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：macOS 或 Windows（也支持 Linux 源码运行）。
• Python 版本：推荐 Python 3.10。
• 依赖管理：已安装 Conda 环境管理工具。
• 大模型 API：
  • 需要拥有 OpenAI API Key，或兼容 OpenAI 格式的本地/第三方大模型接口（如 Ollama, SiliconFlow, OpenRouter 等）。
  • 国内开发者推荐：可使用 SiliconFlow (硅基流动) 或 OpenRouter 获取免费或低成本的 API Key。

安装步骤

1. 克隆项目

打开终端，克隆仓库并进入目录：

git clone https://github.com/AMA-CMFAI/LAMBDA.git
cd LAMBDA

2. 创建 Conda 环境

创建名为 lambda 的虚拟环境并激活：

conda create -n lambda python=3.10
conda activate lambda

3. 安装依赖

安装项目所需的 Python 包：

pip install -r requirements.txt

提示：若下载速度较慢，可添加国内镜像源参数，例如：pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

4. 配置 Jupyter 内核

LAMBDA 需要本地 Code Interpreter 执行代码，必须注册 Jupyter 内核：

ipython kernel install --name lambda --user

基本使用

1. 配置文件设置

在项目根目录下找到或创建 config.yaml 文件，填入您的大模型配置。

配置示例 (config.yaml)：

#================================================================================================
#                                       Config of the LLMs
#================================================================================================
# 推荐使用高性能模型，此处以 gpt-4o-mini 为例，也可替换为硅基流动等提供的兼容模型
conv_model : "gpt-4o-mini" 
programmer_model : "gpt-4o-mini" 
inspector_model : "gpt-4o-mini"

# 填入您的 API Key
api_key : "sk-xxxxxxx" 

# 如果使用国内服务商或本地部署，请修改 base_url
base_url_conv_model : 'https://api.siliconflow.cn/v1' 
base_url_programmer : 'https://api.siliconflow.cn/v1'
base_url_inspector : 'https://api.siliconflow.cn/v1'

#================================================================================================
#                                       Config of the system
#================================================================================================
streaming : True
project_cache_path : "cache/conv_cache/"
max_attempts : 5 
max_exe_time: 18000 

# 若无知识库需求，保持 False
retrieval : False 

2. 启动应用

运行以下命令启动带有图形界面 (GUI) 的 LAMBDA 应用：

python lambda_app.py

3. 开始分析

1. 浏览器会自动打开或在终端显示访问地址（通常为 http://localhost:7860）。
2. 在对话框中直接使用自然语言描述您的数据分析需求（例如：“上传 sales.csv 并分析月度销售趋势”）。
3. 系统将自动调用智能体编写代码、执行分析、自我纠错，并最终生成分析报告或图表。
4. 分析完成后，您可以选择将代码和结果导出为 Jupyter Notebook 进行二次编辑。