MLE-agent

MLE-Agent 是一个专为机器学习工程师和研究人员设计的配对式 LLM 智能体，旨在成为 AI 工程与研究中的智能伴侣。它通过自主执行和交互协作，帮助用户完成从需求理解到模型部署的多种任务。

主要用途

MLE-Agent 的核心用途是辅助机器学习工程和 AI 研究。它可以自动构建 ML/AI 基线方案，参与 Kaggle 竞赛并独立完成任务，以及通过交互式聊天帮助改进现有项目。

主要能力

• 自主基线构建：根据用户需求自动构建 ML/AI 基线方案，需求可以较为模糊，例如“我想根据历史数据预测股票价格”。
• 端到端 ML 任务：独立参与 Kaggle 竞赛，完成从数据准备到模型训练和调试的完整流程。
• arXiv 和 Papers with Code 集成：访问最佳实践和前沿方法，为代码和研究计划提供参考。
• 智能调试：通过自动调试器-编码器交互确保代码质量。
• 文件系统集成：高效组织项目结构。
• 综合工具集成：包含 AI/ML 函数和 MLOps 工具，实现无缝工作流。
• 交互式 CLI 聊天：提供易于使用的聊天界面，增强项目交互。
• 智能顾问：为 ML/AI 项目提供个性化建议和推荐。
• 每周报告：自动生成详细的工作周报，包括开发进度、沟通记录、参考资料和待办事项。

使用方式

1. 安装：克隆仓库并创建虚拟环境。

   git clone https://github.com/MLSysOps/MLE-agent.git
   cd MLE-agent
   uv venv .venv
   source .venv/bin/activate  # Linux/macOS
   pip install -e .
   

   安装后会在当前路径下创建项目目录，需要在项目目录下启动项目。

2. 交互式聊天：在项目目录下的终端中启动交互式聊天。

3. 原型 ML 基线：使用 MLE agent 根据给定需求原型化 ML 基线，并在本地机器上测试模型。

4. 生成工作报告：使用 MLE agent 总结周报，然后访问 http://localhost:3000/ 在本地生成报告。--start-date 和 --end-date 是可选参数，省略时默认生成最近 7 天的报告。需要替换 <git email> 为 Git 邮箱，<path_to_git_repo> 为本地 Git 仓库路径。

5. Kaggle 竞赛：使用基本命令启动 Kaggle 竞赛，或让智能体在无人交互下完成任务（需准备好数据集和提交文件）。运行前请确保已加入竞赛。

适用场景

• 机器学习工程师和研究人员需要快速构建 ML/AI 基线。
• 参与 Kaggle 竞赛并希望自动化完成编码和调试。
• 需要访问 arXiv 和 Papers with Code 获取研究思路。
• 希望有智能顾问提供项目建议。
• 需要自动生成工作周报。
• 希望通过交互式聊天改进现有 ML 项目。

限制

• 具体支持的模型列表包括 OpenAI、Anthropic、Gemini、Ollama 等，但未提供所有模型的完整列表。
• 部分功能（如云数据集成、本地 RAG 支持、函数动物园等）在计划中，可能尚未完全实现。
• 使用 Kaggle 模式需要用户已加入竞赛并准备好数据集和提交文件。
• 安装和使用需要一定的命令行操作经验。
• 具体收费、价格、平台兼容性等细节暂未提供。