數據處理與分析工具不斷推陳出新。其中，Jupyter Agent 作為新興的工具之一，正逐漸嶄露頭角，為數據工作者帶來了全新的體驗與便利。它巧妙地將大型語言模型（LLM）與 Jupyter 筆記本相結合，究竟能碰撞出怎樣的火花呢？讓我們一同深入了解。

1 Jupyter Agent

Jupyter Agent 是一款實用的工具，能夠讓大型語言模型（LLM）在 Jupyter 筆記本中實現直接交互和代碼執行功能。具備以下多種實用功能：

• 快速且高效地加載數據；
• 準確運行用戶編寫的 Python 代碼；
• 能將最終的處理結果以圖表形式清晰地展現出來；
• 會嚴格依據用戶的想法和指示完成各項操作。

這樣一來，在處理數據驅動型任務時，我們與 LLM 的協作會很流暢自然。當前功能只是開端，其未來發展潛力巨大，目前成果僅僅是冰山一角而已。

2 可用模型

支持多種前沿模型：

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

這些模型各有獨特優勢，能滿足從基礎探索性數據分析（EDA）到更高級計算的不同用例需求。

3 Jupyter Agent 使用指南

使用該工具極為簡單，只需依照以下步驟操作即可：

a. 首先，訪問 HuggingFace 平臺上的 Jupyter Agent 頁面。(https://huggingface.co/spaces/data-agents/jupyter-agent)

b. 接著，在下拉菜單里挑選一個可用的模型。

c. 隨后，在輸入框內輸入你所需的提示信息，比如“數據里有什么？-> 上傳數據文件-> csv、文本……”。

d. 之后，點擊“開始！”按鈕，此時智能體便會依據你的查詢生成 Python 代碼，并展示在用戶界面上。

e. 你既可以選擇下載生成的 Jupyter 筆記本文件，在本地計算機上運行；若有分析自定義數據集的需求，也能直接通過界面上傳文件。

此外，還有高級設置功能可供使用，包括自定義系統提示、提升上下文限制以及切換不同模型等操作。

4 應用實例展示

以其預先設定的“求解 Lotka-Volterra 方程并繪制結果”為例，具體操作如下：

提示： 準確輸入提示，鍵入“求解 Lotka-Volterra 方程并繪制結果”。

執行： 隨后執行操作，智能體會自動生成求解該方程的 Python 代碼，同時繪制出相應的結果圖。

后續提示： 在此基礎上，如果想要進一步優化輸出內容，還可輸入額外提示，比如要求智能體修改繪圖的樣式、增添標簽或者依據已有結果開展進一步的計算。

輸出： 我們既可以選擇下載生成的筆記本文件，也能夠直接在操作界面上查看代碼。

該工具既便捷又靈活，對于數據工作者來說，簡直就是神器！

5 獨特優勢

該工具的強大功能體現在諸多方面，以下是一些典型用例：

• 在探索性數據分析（EDA）方面，能夠迅速對數據集展開分析，將數據模式以可視化的方式呈現出來，并且還能對數據進行清理工作。
• 對于方程求解，如同前面所舉的例子，可求解 Lotka - Volterra 方程，并繪制出極具參考價值的圖表。
• 在自定義工作流程自動化上，只需一個簡單的提示，就能讓重復的編碼任務自動完成。
• 在協作研究中，能夠與大語言模型（LLM）協同開展數據量龐大的研究項目。

6 結語

綜上所述，Jupyter Agent 憑借其豐富的功能、多樣的可用模型以及便捷的操作流程，在數據處理與研究領域展現出了非凡的實力。相信隨著技術的不斷發展，會在未來發揮更為重要的作用，助力更多的數據相關工作取得突破與創新，值得大家持續關注與深入探索。

本文轉載自??AI科技論談??，作者： AI科技論談 ????