MADS 全称 Multi-Agents for Data Science，是一个利用多智能体（multi-agents）实现数据科学流程自动化的开源框架。其核心目标是让每个人都能仅通过两个输入来应用机器学习。
主要能力与使用方式： MADS 定位为一个平台，用户可以在其中更新数据集，随后由多个智能体自动执行数据科学流水线中所有必要的步骤。用户只需要定义项目的目标，剩余工作由智能体负责完成。最终用户将获得：一个已训练好的模型、相应的预测结果，以及一份包含每个智能体所提供洞察的报告。
安装与配置要求：
- 系统需安装 Python >=3.11.7。
- 建议先创建并激活虚拟环境： python -m venv .venv ..venv\Scripts\activate
- 通过 pip 安装库：pip install pymads
- 运行脚本前需创建 .env 文件并填入 API Key：GROQ_API_KEY="your_api_key" 或 OPENAI_API_KEY="your_api_key"。
- 虽然默认 Docker 代码执行设置为 false，但部分用户遇到智能体仍尝试使用 Docker 引擎的问题，为避免此情况，可在 .env 文件中加入 AUTOGEN_USE_DOCKER="False"。
开发路线与扩展方向（据资料所列待办）：
- 实现一个强化学习智能体以改进当前提示词。
- 为智能体创建可使用的工具。例如：为模型构建智能体提供类似 Nixtla 库的工具，以改进时间序列问题的预测；为模型顾问智能体创建工具以优化所选模型。
- 引入一个新智能体，与数据分析师交互并生成对最终报告有用的可视化。
适用场景与性质： MADS 面向希望以最少输入自动完成数据科学流水线的用户，尤其适合需要快速获得模型、预测和综合报告的场景。项目为开源，采用 MIT 许可证，基于 autogen 框架构建，并欢迎社区贡献（fork 仓库、创建功能分支、提交改进、发起 pull request）。
限制与注意事项： 资料未提供具体的模型性能、支持的模型类型、数据规模上限、收费方式等信息，这些内容暂未提供。使用需自行准备 GROQ 或 OpenAI 的 API Key。如遇问题，可按资料所述在 GitHub 创建 issue，并尽量提供复现步骤、预期行为、实际行为及错误信息或堆栈跟踪。
