MLE-Agent: 助力 AI 工程与研究的智能伴侣

:love_letter: 对 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：

• 🤖 自主基准测试（Autonomous Baseline）：根据您的需求自动构建 ML/AI 基准测试和解决方案。
• 🏅 端到端 ML 任务：参与 Kaggle 竞赛并独立完成任务。
• 🔍 Arxiv 与 Papers with Code 集成：获取最佳实践和前沿技术方法。
• 🐛 智能调试：通过自动化的调试器与编码器交互，确保高质量代码。
• 📂 文件系统集成：高效组织您的项目结构。
• 🧰 全面工具集成：内置 AI/ML 功能和 MLOps 工具，实现无缝工作流。
• ☕ 交互式 CLI 聊天：通过易于使用的聊天界面增强您的项目开发。
• 🧠 智能顾问：为您的 ML/AI 项目提供个性化的建议和推荐。
• 📊 周报生成：自动生成详细的工作进度周报。

工作流	Agent

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，能以极小的人工投入完成端到端竞赛任务。
• :rocket: 2024/09/10：发布 0.4.0 版本，引入 MLE report、MLE kaggle、MLE integration 等新 CLI，并支持 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，并增加了大量集成功能。
• :rocket: 2024/07/11：发布 0.2.0 版本，实现了多智能体交互。
• 👨‍🍼 2024/07/03：Kaia 诞生
• :rocket: 2024/06/01：发布 MLE Agent 首个基于规则的版本 (v0.1.0)。

入门指南

安装

通过 PyPI

# 使用 pip:
pip install -U mle-agent

# 使用 uv:
uv pip install -U mle-agent

通过源码安装

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

可编辑模式安装

pip install -e .               # 或者: pip install -e .

使用方法

mle new 

这将在当前路径下创建一个项目目录，您需要在项目目录中启动项目。

cd 
mle start

您也可以在项目目录下的终端中启动交互式聊天：

mle chat

使用场景

🧪 ML 基准测试原型构建

MLE Agent 可以根据给定需求帮助您构建 ML 基准测试原型，并在本地机器上进行模型测试。需求可以是模糊的，例如：“我想基于历史数据预测股价”。

cd 
mle start

:bar_chart: 生成工作周报

MLE Agent 可以帮助您总结周报，包括开发进度、沟通记录、参考资料和待办事项列表。

模式 1：基于 GitHub 的 Web 应用报告生成

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 仓库的 CLI 工具报告生成

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

• --start-date 和 --end-date 是可选参数。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，将 替换为本地 Git 仓库的路径。

:trophy: 启动 Kaggle 竞赛

MLE Agent 可以参与 Kaggle 竞赛，从数据准备到模型训练，独立完成编码和调试。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 Agent 在无人值守的情况下完成 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相关竞赛。更多详情，请参见 MLE-Agent 教程。

路线图

以下是我们计划进行的工作列表，欢迎提出您的建议。