Being towards death

Jupyter Agent#

Jupyter Agent 是一款實用的工具，能夠讓大型語言模型（LLM）在 Jupyter 筆記本中實現直接互動和代碼執行功能。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
• 將最終的處理結果以圖表形式清晰地展現
• 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。

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。

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：

1. 訪問 HuggingFace 平台上的 Jupyter Agent 頁面
   Jupyter Agent 頁面

2. 選擇可用的模型
   在下拉菜單裡挑選一個可用的模型。

3. 輸入提示信息
   在輸入框內輸入你所需的提示信息，比如 “數據裡有什麼？-> 上傳數據文件 -> csv、文本……”。

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

5. 下載或上傳文件
   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。

應用實例展示#

以其預先設定的 “求解 Lotka-Volterra 方程並繪製結果” 为例，具體操作如下：

• 提示：準確輸入提示，鍵入 “求解 Lotka-Volterra 方程並繪製結果”。
• 執行：隨後執行操作，智能體會自動生成求解該方程的 Python 代碼，同時繪製出相應的結果圖。
• 後續提示：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、增添標籤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，對於數據工作者來說，簡直就是神器！

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：

• 探索性數據分析（EDA）：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，並且還能對數據進行清理工作。
• 方程求解：如同前面所舉的例子，可求解 Lotka-Volterra 方程，並繪製出極具參考價值的圖表。
• 自定義工作流程自動化：只需一個簡單的提示，就能讓重複的編碼任務自動完成。
• 協作研究：能夠與大語言模型（LLM）協同開展數量龐大的研究項目。