实测智能体数据科学工作流：代码能跑但常答错问题
hugobowne · x · 2026-07-27
PyMC Labs 团队分享了过去几个月构建智能体数据科学工作流的实战经验，涵盖智能体探索性数据分析（EDA）、因果建模、自动研究和分层验证等环节。
他们发现，写代码往往不是最难的环节。虽然 Agent 能够顺畅探索数据、构建预测管线并互相审查代码，但也暴露出严重缺陷：
- 经常生成能完美运行但答非所问的代码
- 做出缺乏数据支撑的自信论断
- 发生数据泄露且无法察觉
- 在长工作流中丢失重要的上下文
为了摸清行业现状，他们发起了《2026 智能体数据科学现状调查》，呼吁从业者分享 Agent 在实际数据工作中的改进与失败经验。
「编程与Agent」频道最新
- NVIDIA 称 Nemotron 3 Ultra 在 RTL 芯片设计任务上达 97.1% — NVIDIAAI · 2026-07-27
- 东京 Agent Forge 黑客松一天做出可上线 AI agents — DavidBennett__ · 2026-07-27
- 长周期智能体最终需要不可变事件日志 — sebpaquet · 2026-07-27
- 一个 VS Code 扩展给 Alchemy 模板加上 Markdown 高亮 — samgoodwin89 · 2026-07-27
- Claude 的 Stripe MCP 连接器被吐槽频繁断连几乎不可用 — evielync · 2026-07-27
- Reddit 用户称 Vecel Eve 像给 agents 用的 Next.js — richie9830 · 2026-07-27