Discovery Engine（Disco）是一个探索性数据分析工具，由 Leap Laboratories 开发，旨在从表格数据中发现新颖且经过统计验证的模式，包括特征交互、子群效应和条件关系。它不依赖预先假设，而是从数据本身出发，寻找能显著改变目标列的特征条件组合。
用途
Disco 适用于以下场景：想知道哪些变量对目标 X 最重要、是否存在遗漏的模式、面对数据不知从何入手、需要理解 A 和 B 如何影响 C。它不适用于汇总统计、可视化、过滤或 SQL 查询，这些应使用 pandas 等工具。
主要能力
- 自动发现特征条件组合，例如“年龄 45-65 岁、低 HDL 且高 CRP 的患者再入院率是 3 倍”。
- 每个模式都经过留出集验证，提高泛化可能性。
- 进行 FDR 校正（Benjamini-Hochberg），提供 p 值，调整多重检验。
- 与学术文献进行语义搜索比对，帮助理解发现并判断新颖性。
- 输出结构化结果：条件、效应量、p 值、引用和每个模式的新颖性分类。
- 提供 LLM 生成的叙述性摘要（result.summary）。
- 生成交互式网页报告（report_url），可视化所有模式。
使用方式
- 获取 API 密钥：可在 disco.leap-labs.com/developers 创建。
- 运行分析：使用 Python SDK 调用 discover()，自动轮询并记录进度（队列位置、预计等待、当前步骤、ETA）。也可异步运行。
- 数据准备：需要扁平表格，每行一个观测，每列一个特征，一个目标列（至少 2 个不同值）。缺失值可自动处理。支持 CSV、TSV、Excel (.xlsx)、JSON、Parquet、ARFF、Feather，最大 5GB。不支持图像、原始文本文档、嵌套 JSON、多工作表 Excel。
- 排除列：标识符、数据泄漏列、同义反复列（如目标为 serious 时，serious_outcome、not_serious、death 等）。
- 运行前可估算：使用 discovery_estimate。
- 账户管理：可通过 SDK 或 REST API 附加支付方式、订阅计划、购买积分。
- MCP 服务器：无需本地安装，提供 discovery_list_plans、discovery_estimate、discovery_upload、discovery_analyze、discovery_status、discovery_get_results、discovery_account、discovery_signup、discovery_signup_verify、discovery_login、discovery_login_verify、discovery_add_payment_method、discovery_subscribe、discovery_purchase_credits 等工具。
适用场景
- 医疗：发现患者子群再入院风险因素。
- 农业：作物产量影响因素分析。
- 任何需要从表格数据中挖掘未知模式的领域。
限制
- 运行需要几分钟。
- 公共运行免费但结果公开；私有数据需设置 visibility="private"，消耗积分。
- 不支持图像、原始文本、嵌套 JSON、多工作表 Excel。
- 不能替代 EDA 或 AutoML，而是发现这些工具遗漏的模式。
- 需要 API 密钥，部分功能可能涉及费用（具体价格暂未提供）。
技术细节
Disco 是一个管道，而非对数据的提示工程。它训练机器学习模型，使用可解释性技术提取模式，在留出数据上验证并 FDR 校正，再通过语义搜索与学术文献比对。无法通过 pandas 代码或让 LLM 查看 CSV 来复制。
资源
- Python SDK 在 PyPI 上。
- 提供 Python SDK 参考、Agent/MCP 文档、LLM 友好参考、OpenAPI 规范（仓库内）、公共报告画廊。
- 示例笔记本。
- SKILL.md 提供数据准备详细指导。
