Was macht EDAgent?
Verwalte EDA-Workflows mit einem Agenten, der sich anpasst, lernt und die Aufgabenausführung durch skillbasierte Entscheidungslogik und Wissenswiederverwendung automatisiert.
Überblick
Der Biswajit56546/EDAgent automatisiert explorative Datenanalysen (EDA) durch den Einsatz eines lernenden KI-Agenten. Er wählt dynamisch die richtigen Fähigkeiten für Datenbereinigung, Visualisierung und statistische Analyse aus, basierend auf den Eigenschaften der vorliegenden Datensätze. Dadurch werden manuelle Entscheidungen minimiert und die Konsistenz der Analyse erhöht.
Hauptfunktionen
- Adaptive Workflow-Ausführung: Der Agent passt seine Analyseschritte automatisch an die Struktur und Qualität der Daten an.
- Wissenswiederverwendung: Erfolgreiche Analysemuster und Ergebnisse werden gespeichert und können in neuen Projekten direkt übernommen werden.
- Skill-Bibliothek: Der Agent greift auf eine wachsende Sammlung vordefinierter Skripte und Module für typische EDA-Aufgaben zu.
- Automatisierte Entscheidungslogik: Basierend auf Metriken wie fehlenden Werten, Datenverteilung und Korrelationen wählt der Agent die optimale Vorgehensweise.
Erste Schritte
- Installation: Klone das Repository und installiere die Abhängigkeiten:
git clone https://github.com/Biswajit56546/EDAgent.git
cd EDAgent
pip install -r requirements.txt
-
Konfiguration: Erstelle eine Konfigurationsdatei (z. B.
.edagent.yaml) mit deinen Projektpfaden und Datenquellen. -
Ausführen: Starte den Agenten über die CLI:
python agent.py --input ./data/ --output ./results/
Beispiele für EDA-Aufgaben
| Aufgabe | Beschreibung | Verwendeter Skill |
|---|---|---|
| Datenbereinigung | Erkennung und Behandlung fehlender Werte | clean_missing_values |
| Verteilungsanalyse | Histogramme und Dichteschätzungen | plot_distributions |
| Korrelation | Pearson-Korrelationsmatrix | compute_correlations |
| Ausreißererkennung | Identifikation von Anomalien | detect_outliers |
Integration in bestehende Workflows
Du kannst den EDAgent in CI/CD-Pipelines oder Data-Science-Prozesse integrieren, indem du die API aufrufst:
from edagent import EDAgent
agent = EDAgent(config="projekt.yaml")
agent.run(dataframe=df)
Anpassung und Erweiterung
- Eigene Skills hinzufügen: Lege neue Python-Skripte im Ordner
skills/ab und registriere sie in der Konfiguration. - Lernverhalten steuern: Über Parameter in der Konfiguration kannst du festlegen, ob der Agent aus früheren Läufen lernen oder nur nach vorgegebenen Regeln handeln soll.
Unterstützte Plattformen
- Claude Code: Vollständig über CLI-Integration nutzbar.
- Cursor: Einbindung über benutzerdefinierte Commands.
- Codex: Als OpenAI Plugin verfügbar.
Lizenz
MIT License – siehe LICENSE für Details.