DATAGEN 多智能体研究助手
自动完成假设生成、数据分析、可视化与研究报告撰写。
README 将文件操作限定到可配置的 WORKING_DIRECTORY，并披露了模型提供商、搜索、抓取、GitHub、文件系统 MCP 和 LangChain 跟踪等外部集成；工作流还包含一次人工选择，因此最小权限、确认机制和数据流透明度有一定基础。扣分原因是代码代理、文件系统 MCP 和令牌权限边界未具体说明，人工确认并未覆盖后续全部写入或外部调用，跟踪数据的去向也不清楚。文档使用占位符展示密钥，但没有说明密钥存储、日志脱敏、数据保留或第三方隐私处理。依赖多数固定版本，但 langchain-crw 未固定、mcp 使用开放下界，且没有审计或漏洞处理证据。项目明确警告可能修改分析数据并建议备份，但没有事务、撤销或恢复机制。许可证给出作者归属，外部灵感有链接，但发布者身份、报告引用保证和维护归属仍不充分。
README 描述了完整工作流、质量审查和修订过程，依赖清单也固定了大多数核心包；提供的回归测试验证消息追加和步数上限路由，说明局部状态行为受到保护。扣分原因是这些有限测试无法支撑“企业级”“一致可靠”“生产就绪”等广泛声明，README 的克隆地址与对象仓库名称不一致，使用步骤还有编号字符错误。可选服务及缺少 Firecrawl 密钥时的能力下降有所说明，但浏览器驱动、模型服务、MCP 服务和未固定依赖的可用性处理不完整。除测试加载器的 ImportError 外，没有面向用户的失败消息、重试、降级或故障诊断证据。
项目明确面向数据分析、假设生成、可视化、搜索和报告写作，并支持按代理选择 OpenAI、Google、Anthropic、Ollama、Groq 等提供商；CONFIG_DIRECTORY、技能、工具和 MCP 配置提高了环境适配性。扣分原因是目标受众、数据类型、规模边界和适用/不适用场景没有细化，能力限制主要只提到运行时间、费用和几个待改进项。触发方式依赖修改 main.py 中的自由文本 user_input，虽给出 datapath 示例，却没有严格输入模式、歧义处理或任务路由规则。环境说明覆盖 Python、Conda、ChromeDriver 和变量配置，但没有操作系统兼容矩阵、容器方案或硬件资源要求。
README 具备概览、特性、安装、用法、组件、工作流、配置、问题、贡献和许可证结构，并索引多份专题文档；安装步骤和环境变量较完整。扣分原因是当前材料未包含被链接文档的内容，使用示例只有一个且没有 FAQ 或典型输出。项目曾更名，README 的 git clone 地址仍使用 starpig1129，而评估对象和星标链接使用 zi-yue-1129，显示命名与归属不稳定。已公开运行慢、数据可能被修改及三个当前问题，因此已知限制处理较好但仍偏简略。MIT 文本完整，许可证可得满分。没有版本号、发布策略或变更日志。贡献说明仅要求重大改动先开 issue，版权署名与仓库身份也不完全一致，未明确维护者、支持渠道或更新责任。
工作流把假设、分析代码、可视化、搜索、质量审查和报告整合为一个可配置流程，最终报告及图形对普通研究任务具有直接可用性，因此输出可用性得到中等评分。扣分原因是没有提供实际输出样例、质量标准或与手工/单代理流程的对比证据，多代理设计的边际价值主要是宣传性陈述。README 提醒多次 API 调用、所需额度和较长运行时间，但没有成本估算、资源上限、缓存策略或收益测量，成本效益只能获得薄弱分。
部分实现性主张可由 requirements、配置示例、组件清单和两个路由回归测试追踪，README 与依赖文件也相互印证了 LangChain、LangGraph 和多模型集成。扣分原因是“实时优化”“自动质量保证”“可扩展”“生产就绪”等核心宣传主张没有对应测试、指标、样例报告或实现摘录。来源之间仅有有限交叉佐证，且仓库/作者命名存在不一致。文档没有清楚区分已实现功能、设计目标和未来愿景，当前问题列表也不足以校准这些强主张。
- 运行前备份 WORKING_DIRECTORY 中的数据；README 明确表示代理可能修改被分析的数据，但没有内建回滚机制。
- 对文件系统 MCP、代码执行、GitHub 令牌和搜索/抓取服务采用最小范围凭据与隔离目录；现有材料未定义这些权限边界。
- 不要把 API 密钥或敏感数据写入可提交的 .env、提示、跟踪日志或报告；材料未说明脱敏、保留和第三方数据处理政策。
- 在部署前锁定 langchain-crw 和 mcp 的具体兼容版本，并进行依赖漏洞与供应链审查。
- 将“企业级”“生产就绪”和质量保证视为未经充分验证的主张；所给测试仅覆盖两个路由/状态回归点。
这个 Agent 能做什么，适合哪些场景？
DATAGEN 是一个以 Python 运行的多智能体数据分析与研究平台，使用 LangGraph 管理有状态的研究流程。系统由 hypothesis_agent、process_agent、code_agent、visualization_agent、searcher_agent、report_agent、quality_review_agent 和 note_agent 等专用组件协作完成任务。用户把自己的数据文件放入 WORKING_DIRECTORY，通过 main.py 提交数据路径和自然语言分析要求，并在假设生成后决定继续还是重新生成。处理阶段涵盖代码生成、数据分析、可视化、资料搜索和报告撰写，随后执行质量审查并按需修订。它适合愿意自行部署、配置模型凭据并接受多次 API 调用成本的研究或分析团队；项目也明确警告流程可能修改待分析数据，因此应先备份。
DATAGEN 从用户在 main.py 的 user_input 中读取 datapath 和分析指令，并访问 WORKING_DIRECTORY 下的数据文件。hypothesis_agent 先生成研究假设，用户可以选择继续或重新生成；process_agent 随后监督由 code_agent、visualization_agent、searcher_agent 和 report_agent 执行的分析、绘图、搜索与报告写作。quality_review_agent 检查结果并触发必要修订，note_agent 记录研究过程并保留上下文。整个状态图由 LangGraph 管理；各智能体的提供商、模型和 temperature 可在 agent_models.yaml 中分别配置。系统还支持通过 mcp.yaml 接入 Filesystem、GitHub 和 Web Search MCP 服务器，并可使用 Firecrawl、fastCRW、Tavily 与 LangChain tracing 的相关配置。
- 数据分析师拿到 CSV 数据后，希望用自然语言指定机器学习分析任务，并自动生成图表和完整报告。
- 研究人员需要先生成可审阅的研究假设，再决定继续分析还是要求系统重新提出假设。
- 小型研究团队希望让不同智能体分别承担代码编写、资料搜索、可视化、报告撰写和质量审查。
- 需要比较不同模型提供商的团队，可为 hypothesis_agent、note_agent、code_agent 等组件分别配置 OpenAI、Google、Anthropic、Ollama 或 Groq 模型。
- 需要保留分析过程上下文的长流程任务，可使用 note_agent 记录研究过程并衔接不同分析阶段。
这个 Agent 有哪些优点和局限？
- 端到端流程覆盖假设生成、人工选择、分析、可视化、搜索、报告写作、质量审查和修订，而非只提供单一分析步骤。
- 不同智能体可在 agent_models.yaml 中独立选择 OpenAI、Google、Anthropic、Ollama 或 Groq，便于按任务分配模型。
- note_agent 专门记录研究过程和上下文，LangGraph 则负责整个有状态工作流。
- 配置体系支持独立 CONFIG_DIRECTORY、可复用 skills、动态工具加载以及可选 MCP 外部服务。
- 部署需要 Python 3.10+、Conda、ChromeDriver、环境变量和第三方依赖，初始配置成本高于托管式分析产品。
- 系统会进行多次模型 API 调用，README 明确提醒需要足够的 API 额度，复杂任务也可能耗时较长。
- 项目警告智能体可能修改正在分析的数据，使用前必须备份，不能默认视为只读分析流程。
- README 将 NoteTaker 效率、整体运行时间和 Refiner 效果列为当前待改进问题。
- 部分查询能力依赖可选的 Firecrawl、fastCRW、Tavily 或 MCP 配置；缺少相应密钥时，搜索能力可能受限。
如何安装或部署这个 Agent？
运行环境要求 Python 3.10 或更高版本。执行：
git clone https://github.com/starpig1129/DATAGEN.git
cd DATAGEN
conda create -n datagen python=3.10
conda activate datagen
pip install -r requirements.txt将 .env Example 重命名为 .env。至少设置 WORKING_DIRECTORY、CONDA_ENV 和 CHROMEDRIVER_PATH；README 将这些项标为必需。根据所选模型提供商填写 OPENAI_API_KEY、ANTHROPIC_API_KEY 或 GOOGLE_API_KEY。Firecrawl、fastCRW、LangChain tracing、Tavily、GitHub MCP 和 CONFIG_DIRECTORY 均有对应的可选配置。
如何使用这个 Agent？
把数据文件（例如 YourDataName.csv）放入 data 目录，然后修改 main.py 的 main() 函数中的 user_input：
user_input = '''
datapath:YourDataName.csv
Use machine learning to perform data analysis and write complete graphical reports'''
运行：
python main.py系统先生成假设并要求用户选择继续或重新生成，之后执行分析、可视化、搜索、报告撰写、质量审查和必要修订。若要为不同智能体选择不同模型，可编辑 CONFIG_DIRECTORY 下的 agent_models.yaml，设置 provider、model 和 temperature。