别再死磕传统方法！Jupyter Agent 携手大模型，重塑数据分析

数据处理与分析工具不断推陈出新。其中，Jupyter Agent 作为新兴的工具之一，正逐渐崭露头角，为数据工作者带来了全新的体验与便利。它巧妙地将大型语言模型（LLM）与 Jupyter 笔记本相结合，究竟能碰撞出怎样的火花呢？让我们一同深入了解。

1 Jupyter Agent

Jupyter Agent 是一款实用的工具，能够让大型语言模型（LLM）在 Jupyter 笔记本中实现直接交互和代码执行功能。具备以下多种实用功能：

• 快速且高效地加载数据；
• 准确运行用户编写的 Python 代码；
• 能将最终的处理结果以图表形式清晰地展现出来；
• 会严格依据用户的想法和指示完成各项操作。

这样一来，在处理数据驱动型任务时，我们与 LLM 的协作会很流畅自然。当前功能只是开端，其未来发展潜力巨大，目前成果仅仅是冰山一角而已。

2 可用模型

支持多种前沿模型：

• meta-llama/Llama-3.1–8B-Instruct
• meta-llama/Llama-3.2–3B-Instruct
• meta-llama/Llama-3.1–70B-Instruct

这些模型各有独特优势，能满足从基础探索性数据分析（EDA）到更高级计算的不同用例需求。

3 Jupyter Agent 使用指南

使用该工具极为简单，只需依照以下步骤操作即可：

a. 首先，访问 HuggingFace 平台上的 Jupyter Agent 页面。(https://huggingface.co/spaces/data-agents/jupyter-agent)

b. 接着，在下拉菜单里挑选一个可用的模型。

c. 随后，在输入框内输入你所需的提示信息，比如“数据里有什么？-> 上传数据文件-> csv、文本……”。

d. 之后，点击“开始！”按钮，此时智能体便会依据你的查询生成 Python 代码，并展示在用户界面上。

e. 你既可以选择下载生成的 Jupyter 笔记本文件，在本地计算机上运行；若有分析自定义数据集的需求，也能直接通过界面上传文件。

此外，还有高级设置功能可供使用，包括自定义系统提示、提升上下文限制以及切换不同模型等操作。

4 应用实例展示

以其预先设定的“求解 Lotka-Volterra 方程并绘制结果”为例，具体操作如下：

提示： 准确输入提示，键入“求解 Lotka-Volterra 方程并绘制结果”。

执行： 随后执行操作，智能体会自动生成求解该方程的 Python 代码，同时绘制出相应的结果图。

后续提示： 在此基础上，如果想要进一步优化输出内容，还可输入额外提示，比如要求智能体修改绘图的样式、增添标签或者依据已有结果开展进一步的计算。

输出： 我们既可以选择下载生成的笔记本文件，也能够直接在操作界面上查看代码。

该工具既便捷又灵活，对于数据工作者来说，简直就是神器！

5 独特优势

该工具的强大功能体现在诸多方面，以下是一些典型用例：

• 在探索性数据分析（EDA）方面，能够迅速对数据集展开分析，将数据模式以可视化的方式呈现出来，并且还能对数据进行清理工作。
• 对于方程求解，如同前面所举的例子，可求解 Lotka - Volterra 方程，并绘制出极具参考价值的图表。
• 在自定义工作流程自动化上，只需一个简单的提示，就能让重复的编码任务自动完成。
• 在协作研究中，能够与大语言模型（LLM）协同开展数据量庞大的研究项目。

6 结语

综上所述，Jupyter Agent 凭借其丰富的功能、多样的可用模型以及便捷的操作流程，在数据处理与研究领域展现出了非凡的实力。相信随着技术的不断发展，会在未来发挥更为重要的作用，助力更多的数据相关工作取得突破与创新，值得大家持续关注与深入探索。

本文转载自​​AI科技论谈​​，作者： AI科技论谈 ​​​​