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程式碼執行功能。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 程式碼
- 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-Instructmeta-llama/Llama-3.2–3B-Instructmeta-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：
-
訪問 HuggingFace 平台上的 Jupyter Agent 頁面
Jupyter Agent 頁面 -
選擇可用的模型
在下拉菜單裡挑選一個可用的模型。 -
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……”。 -
點擊 “開始！” 按鈕
智能體便會依據你的查詢生成 Python 程式碼，並展示在用戶界面上。 -
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 程式碼，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程式碼。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。