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
- 将最终的处理结果以图表形式清晰地展现
- 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。
可用模型#
支持多种前沿模型：
meta-llama/Llama-3.1–8B-Instructmeta-llama/Llama-3.2–3B-Instructmeta-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。
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：
-
访问 HuggingFace 平台上的 Jupyter Agent 页面
Jupyter Agent 页面 -
选择可用的模型
在下拉菜单里挑选一个可用的模型。 -
输入提示信息
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……”。 -
点击 “开始！” 按钮
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。 -
下载或上传文件
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。
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！
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：
- 探索性数据分析（EDA）：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，并且还能对数据进行清理工作。
- 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。
- 自定义工作流程自动化：只需一个简单的提示，就能让重复的编码任务自动完成。
- 协作研究：能够与大语言模型（LLM）协同开展数据量庞大的研究项目。