MLE-Agent: 您的智能 AI 工程与研究伴侣

:love_letter: 献给 Kaia 的父爱 :love_letter:

📚 文档 | 🐞 提交问题 | 👋 加入我们的 Discord

概述

MLE-Agent 旨在成为机器学习工程师和研究人员的结对编程 LLM 智能体。其主要特点包括：

• 🤖 自主基线：根据您的需求自动构建机器学习/AI 基线及解决方案。
• 🏅 端到端机器学习任务：参与 Kaggle 竞赛并独立完成任务。
• 🔍 Arxiv 和 Papers with Code 集成：获取最佳实践和前沿方法。
• 🐛 智能调试：通过自动化的调试器与编程器交互，确保代码质量。
• 📂 文件系统集成：高效组织您的项目结构。
• 🧰 全面的工具集成：包含 AI/ML 功能和 MLOps 工具，实现无缝工作流。
• ☕ 交互式 CLI 聊天：通过易用的聊天界面增强您的项目能力。
• 🧠 智能顾问：为您的 ML/AI 项目提供个性化的建议和推荐。
• 📊 周报：自动生成每周工作的详细总结。

工作流	智能体

视频演示

https://github.com/user-attachments/assets/dac7be90-c662-4d0d-8d3a-2bc4df9cffb9

里程碑

• :rocket: 2024/09/24：发布 0.4.2 版本，增强了 Auto-Kaggle 模式，只需极少的人工干预即可完成端到端的竞赛任务。
• :rocket: 2024/09/10：发布 0.4.0 版本，引入了 MLE report、MLE kaggle、MLE integration 等新 CLI，并支持了 Mistral 等多种新模型。
• :rocket: 2024/07/25：发布 0.3.0 版本，进行了大规模重构，并增加了大量集成等（v0.3.0）。
• :rocket: 2024/07/11：发布 0.2.0 版本，支持多智能体交互（v0.2.0）。
• 👨‍🍼 2024/07/03：Kaia 出生
• :rocket: 2024/06/01：发布 MLE Agent 的第一个规则驱动版本（v0.1.0）。

快速入门

安装

通过 PyPI

# 使用 pip:
pip install -U mle-agent

# 使用 uv:
uv pip install -U mle-agent

从源码安装

克隆仓库

git clone https://github.com/MLSysOps/MLE-agent.git
cd MLE-agent

创建并激活虚拟环境

uv venv .venv
source .venv/bin/activate      # Linux/macOS

可编辑安装

pip install -e .               # 或: pip install -e .

使用方法

mle new 

随后将在当前路径下创建一个项目目录，您需要在该项目目录下启动项目。

cd 
mle start

您也可以在项目目录下启动终端交互式聊天：

mle chat

应用场景

🧪 ML 基线原型设计

MLE Agent 可以根据给定需求帮助您设计机器学习基线原型，并在本地机器上测试模型。需求描述可以非常模糊，例如：“我希望根据历史数据预测股价”。

cd 
mle start

:bar_chart: 生成工作报告

MLE Agent 可以协助总结您的每周报告，包括开发进度、沟通记录、参考资料及待办事项列表。

模式 1：基于 GitHub 生成报告的 Web 应用

cd 
mle report

然后，您可以访问 http://localhost:3000/ 在本地生成您的报告。

模式 2：基于本地 Git 仓库生成报告的 CLI 工具

cd 
mle report-local --email= --start-date=YYYY-MM-DD --end-date=YYYY-MM-DD 

• --start-date 和 --end-date 为可选参数。如果省略，该命令将自动生成过去 7 天的默认日期范围报告。
• 请将 替换为您的 Git 邮箱，并将 替换为您本地 Git 仓库的路径。

:trophy: 开始 Kaggle 竞赛

MLE Agent 可以参与 Kaggle 竞赛，并独立完成从数据准备到模型训练的代码编写与调试工作。以下是启动 Kaggle 竞赛的基本命令：

cd 
mle kaggle

如果您已准备好数据集和提交文件，也可以让智能体在无需人工干预的情况下完成 Kaggle 任务：

cd 
mle kaggle --auto \
--datasets ",,..." \
--description "" \
--submission "" \
--sub_example "" \ 
--comp_id ""

运行命令前，请确保您已经加入了竞赛。更多详细信息，请参阅 MLE-Agent 教程。

路线图

以下是我们计划执行的任务列表，欢迎提出建议。