JupyterAgent：数据智能利器全解析

Jupyter Agent：数据驱动任务的智能利器全解析

数据处理与分析工具不断推陈出新。其中，Jupyter Agent 作为新兴的工具之一，正逐渐崭露头角，为数据工作者带来了全新的体验与便利。它巧妙地将大型语言模型（LLM）与 Jupyter 笔记本相结合，究竟能碰撞出怎样的火花呢？让我们一同深入了解。

1 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；
• 能将最终的处理结果以图表形式清晰地展现出来；
• 会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。

2 可用模型

支持多种前沿模型：

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

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。

3 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：

a. 首先，访问 HuggingFace 平台上的 Jupyter Agent 页面。(https://huggingface.co/spaces/data-agents/jupyter-agent)

b. 接着，在下拉菜单里挑选一个可用的模型。

c. 随后，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……”。

d. 之后，点击“开始！”按钮，此时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。

e. 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。

4 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