AI 数据科学团队

AI 数据科学团队是一个用于常见数据科学工作流的专业化智能体 Python 库，同时配备旗舰应用：AI Pipeline Studio。该工作室可将您的工作转化为可视化、可复现的流程管线，而 AI 团队则负责数据加载、清洗、可视化及建模。

状态： 测试版。在 0.1.0 版本发布之前，可能会出现破坏性变更。

请在 GitHub 上为我们点个星（只需 2 秒钟，却意义重大）。

AI Pipeline Studio（旗舰应用）

AI Pipeline Studio 是 AI 数据科学团队实际应用的主要示例。

亮点：

• 以流程管线为核心的开发环境：可视化编辑器、表格、图表、探索性数据分析、代码、模型、预测结果、MLflow
• 手动与 AI 步骤结合，具备 lineage 追踪和可复现的脚本
• 多数据集处理与合并工作流
• 支持项目保存：仅元数据或完整数据
• 存储占用控制与数据恢复工作流

运行方式：

streamlit run apps/ai-pipeline-studio-app/app.py

完整应用文档：apps/ai-pipeline-studio-app/README.md

快速入门

需求

• Python 3.10+
• OpenAI API 密钥（或 Ollama 用于本地模型）

安装应用与库

克隆仓库并以可编辑模式安装：

pip install -e .

运行 AI Pipeline Studio 应用

streamlit run apps/ai-pipeline-studio-app/app.py

库概览

该仓库同时包含 AI Pipeline Studio 应用和底层的 AI 数据科学团队 库。该库提供了构建智能体的基础模块以及多智能体工作流，适用于以下场景：

• 数据加载与检查
• 清洗、整理与特征工程
• 可视化与探索性数据分析
• 建模与评估（H2O + MLflow 工具）
• SQL 数据库交互

智能体（快照）

智能体示例位于 examples/ 目录中。值得关注的智能体包括：

• 数据加载工具智能体
• 数据整理智能体
• 数据清洗智能体
• 数据可视化智能体
• 探索性数据分析工具智能体
• 特征工程智能体
• SQL 数据库智能体
• H2O 机器学习智能体
• MLflow 工具智能体
• 多智能体工作流（例如：Pandas 数据分析师、SQL 数据分析师）
• 监督智能体（负责协调其他智能体）
• 面向数据科学任务的自定义工具

应用程序

所有应用程序均可在 apps/ 目录中找到。值得关注的应用程序包括：

• AI Pipeline Studio：apps/ai-pipeline-studio-app/
• EDA 探索者应用：apps/exploratory-copilot-app/
• Pandas 数据分析师应用：apps/pandas-data-analyst-app/

使用 OpenAI

from langchain_openai import ChatOpenAI
llm = ChatOpenAI(
    model_name="gpt-4.1-mini",
)

使用 Ollama（本地 LLM）

ollama serve
ollama pull llama3.1:8b

from langchain_ollama import ChatOllama

llm = ChatOllama(
    model="llama3.1:8b",
)

下一代 AI 智能体工作坊

想学习如何为真实的数据科学工作流构建 AI 智能体和 AI 应用吗？欢迎参加我的下一代 AI 工作坊： https://learn.business-science.io/ai-register

AI Data Science Team 快速上手指南

ai-data-science-team 是一个专为数据科学工作流设计的 Python 库，提供了一系列专用的 AI Agent（智能体），并包含旗舰应用 AI Pipeline Studio。该工具能协助你完成数据加载、清洗、可视化、特征工程及建模等任务，并将工作流程转化为可视化的可复现管道。

环境准备

在开始之前，请确保你的开发环境满足以下要求：

• 操作系统：Linux, macOS 或 Windows
• Python 版本：3.10 或更高版本
• 大模型接口：
  • 方案 A（推荐）：OpenAI API Key（需具备访问权限）
  • 方案 B（本地部署）：安装并运行 Ollama 以使用本地大模型（如 Llama 3.1）

安装步骤

1. 克隆仓库并安装

推荐使用 git 克隆项目并以可编辑模式安装，以便体验最新功能或进行二次开发。

git clone https://github.com/business-science/ai-data-science-team.git
cd ai-data-science-team
pip install -e .

提示：如果下载速度较慢，可添加国内镜像源加速安装： pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 配置本地大模型（可选）

如果你选择使用本地模型而非 OpenAI，请先启动 Ollama 服务并拉取模型：

ollama serve
ollama pull llama3.1:8b

基本使用

本工具的核心用法是启动 AI Pipeline Studio 图形化界面，通过可视化操作构建数据科学管道。

启动 AI Pipeline Studio

在项目根目录下运行以下命令启动应用：

streamlit run apps/ai-pipeline-studio-app/app.py

启动后，浏览器会自动打开应用界面。你可以在其中：

• 上传数据集
• 通过自然语言指令让 AI 执行数据清洗、EDA（探索性数据分析）和建模
• 查看生成的代码和可视化图表
• 保存和复现整个分析流程

代码集成示例

如果你希望在代码中直接调用底层 Agent 能力，可以参考以下配置方式：

使用 OpenAI 模型：

from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model_name="gpt-4.1-mini",
    # 请确保环境变量 OPENAI_API_KEY 已设置
)

使用 Ollama 本地模型：

from langchain_ollama import ChatOllama

llm = ChatOllama(
    model="llama3.1:8b",
)

配置好 llm 对象后，即可将其传递给库中的各类 Agent（如 Data Cleaning Agent, H2O ML Agent 等）来执行具体的数据科学任务。