1. 快速入门

安装

pip install plexe
export OPENAI_API_KEY=<your-key>
export ANTHROPIC_API_KEY=<your-key>

使用 plexe

提供一个表格数据集（Parquet、CSV、ORC 或 Avro）和一个自然语言意图：

python -m plexe.main \
    --train-dataset-uri data.parquet \
    --intent "预测乘客是否被运送" \
    --max-iterations 5

from plexe.main import main
from pathlib import Path

best_solution, metrics, report = main(
    intent="预测乘客是否被运送",
    data_refs=["train.parquet"],
    max_iterations=5,
    work_dir=Path("./workdir"),
)
print(f"性能：{best_solution.performance:.4f}")

2. 功能

2.1. 🤖 多智能体架构

该系统在 6 阶段的工作流中使用了 14 个专业 AI 智能体，以：

• 分析你的数据并识别 ML 任务
• 选择合适的评估指标
• 通过假设驱动的迭代搜索最佳模型
• 评估模型性能与鲁棒性
• 打包模型以便部署

2.2. 🎯 自动化模型构建

只需一次调用即可构建完整的模型。Plexe 支持针对表格数据的 XGBoost、CatBoost、LightGBM、Keras 和 PyTorch：

best_solution, metrics, report = main(
    intent="根据房产特征预测房价",
    data_refs=["housing.parquet"],
    max_iterations=10,                    # 搜索迭代次数
    allowed_model_types=["xgboost"],      # 或让 Plexe 自行选择
    enable_final_evaluation=True,         # 在保留的测试集上评估
)

运行 python -m plexe.main --help 查看所有 CLI 选项。

输出是一个自包含的模型包，位于 work_dir/model/（也存档为 model.tar.gz）。该包不依赖于 plexe——用 Plexe 构建模型后，可随处部署：

model/
├── artifacts/          # 训练好的模型 + 特征流水线 (pickle)
├── src/                # 推理预测器、流水线代码、训练模板
├── schemas/            # 输入/输出 JSON 模式
├── config/             # 超参数
├── evaluation/         # 指标与详细分析报告
├── model.yaml          # 模型元数据
└── README.md           # 使用说明与示例代码

2.3. 🐳 附带完整依赖的 Docker 镜像

运行 Plexe 时已预配置好一切——包括 PySpark、Java 和所有依赖项。提供了一个 Makefile 用于常见工作流：

make build          # 构建 Docker 镜像
make test-quick     # 快速健康检查 (~1 次迭代)
make run-titanic    # 在 Spaceship Titanic 数据集上运行

或直接运行：

docker run --rm \
    -e OPENAI_API_KEY=$OPENAI_API_KEY \
    -e ANTHROPIC_API_KEY=$ANTHROPIC_API_KEY \
    -v $(pwd)/data:/data -v $(pwd)/workdir:/workdir \
    plexe:py3.12 python -m plexe.main \
        --train-dataset-uri /data/dataset.parquet \
        --intent "预测客户流失" \
        --work-dir /workdir \
        --spark-mode local

项目根目录中的 config.yaml 会自动挂载。还提供了一个 Databricks Connect 镜像：docker build --target databricks .

2.4. ⚙️ YAML 配置

通过配置文件自定义 LLM 路由、搜索参数、Spark 设置等：

# config.yaml
max_search_iterations: 5
allowed_model_types: [xgboost, catboost]
spark_driver_memory: "4g"
hypothesiser_llm: "openai/gpt-5-mini"
feature_processor_llm: "anthropic/claude-sonnet-4-5-20250929"

CONFIG_FILE=config.yaml python -m plexe.main ...

查看 config.yaml.template 了解所有可用选项。

2.5. 🌐 多提供商 LLM 支持

Plexe 通过 LiteLLM 使用 LLM，因此你可以使用任何支持的提供商：

# 将不同智能体路由到不同提供商
hypothesiser_llm: "openai/gpt-5-mini"
feature_processor_llm: "anthropic/claude-sonnet-4-5-20250929"
model_definer_llm: "ollama/llama3"

[!NOTE] Plexe 应该能与大多数 LiteLLM 提供商配合，但我们仅主动测试 openai/* 和 anthropic/* 模型。如果你遇到其他提供商的问题，请告诉我们。

2.6. 📊 实验仪表板

使用内置的 Streamlit 仪表板可视化实验结果、搜索树和评估报告：

python -m plexe.viz --work-dir ./workdir

2.7. 🔌 可扩展性

通过 WorkflowIntegration 接口将 Plexe 连接到自定义存储、追踪和部署基础设施：

main(intent="...", data_refs=[...], integration=MyCustomIntegration())

查看 plexe/integrations/base.py 了解完整接口。

3. 安装

3.1. 安装选项

pip install plexe                    # 核心（XGBoost、Keras、scikit-learn）

你可以按框架或任务分组添加可选依赖：

• 框架额外依赖：catboost、lightgbm、pytorch
• 任务额外依赖：tabular（CatBoost + LightGBM）、vision（PyTorch）
• 平台额外依赖：pyspark、aws

示例：

pip install "plexe[tabular,pyspark]"   # 表格堆栈 + 本地 PySpark
pip install "plexe[pytorch,aws]"       # 显式框架 + S3 支持

需要 Python >= 3.10，< 3.13。

3.2. API 密钥

export OPENAI_API_KEY=<your-key>
export ANTHROPIC_API_KEY=<your-key>

查看 LiteLLM 提供商 了解所有支持的提供商。

4. 文档

如需完整文档，请访问 docs.plexe.ai。

5. 贡献

请参阅 CONTRIBUTING.md 了解指南。加入我们的 Discord 与团队交流。

6. 许可证

Apache-2.0 许可证

7. 引用

如果您在研究中使用Plexe，请按以下方式引用：

@software{plexe2025,
  author = {德·贝纳尔迪，马塞洛 AND 杜贝，瓦伊巴夫},
  title = {Plexe：利用自然语言构建机器学习模型。},
  year = {2025},
  publisher = {GitHub},
  howpublished = {\url{https://github.com/plexe-ai/plexe}},
}

环境准备

• Python 3.10 至 3.12
• OpenAI 和 Anthropic API 密钥（需自行注册）

安装步骤

推荐使用清华镜像加速安装：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple plexe

设置环境变量：

export OPENAI_API_KEY=<your-key>
export ANTHROPIC_API_KEY=<your-key>

基本使用

使用命令行快速构建模型：

python -m plexe.main \
    --train-dataset-uri data.parquet \
    --intent "预测乘客是否被运输" \
    --max-iterations 5

或者使用 Python 代码：

from plexe.main import main
from pathlib import Path

best_solution, metrics, report = main(
    intent="预测乘客是否被运输",
    data_refs=["train.parquet"],
    max_iterations=5,
    work_dir=Path("./workdir"),
)
print(f"模型性能: {best_solution.performance:.4f}")