Agent 参数完整指南

本文档提供所有 6 种 workflow 的独立参数详细说明，用于 DSLighting v1.9.0+ 版本。

1. AIDE

基本信息

英文名称: AIDE (Adaptive Iteration and Debugging Enhancement) 中文名称: 自适应迭代与调试增强 适用场景: Kaggle 竞赛（简单到中等复杂度） 配置路径: agent.search

独立参数

参数名	类型	默认值	说明
`num_drafts`	int	-	已弃用：在 AIDE 中不直接使用
`debug_prob`	float	-	已弃用：在 AIDE 中不直接使用
`max_debug_depth`	int	-	已弃用：在 AIDE 中不直接使用

注意: AIDE 实际使用的是 agent.search.max_iterations（公共参数），而不是上述嵌套参数。

v1.9.0+ API 完整示例

python

from dotenv import load_dotenv
load_dotenv()  # 从当前目录加载 .env 文件

import dslighting

# 加载数据
data = dslighting.load_data("/path/to/your/data")

# 创建 AIDE Agent
agent = dslighting.Agent(
    workflow="aide",
    model="gpt-4o",
    temperature=0.7,
    max_iterations=10,
)

# 运行 Agent
result = agent.run(data)

# 查看结果
print(f"Score: {result.score}")
print(f"Output: {result.output}")
print(f"Cost: ${result.cost:.2f}")

简化版本（推荐使用）

python

from dotenv import load_dotenv
load_dotenv()

import dslighting

data = dslighting.load_data("/path/to/your/data")

agent = dslighting.Agent(
    workflow="aide",
    model="gpt-4o",
    temperature=0.7,
    max_iterations=10,
)

result = agent.run(data)

print(f"Score: {result.score}")

源码位置

文件: dsat/workflows/search/aide_workflow.py
行号: 86
代码: max_iterations = self.agent_config.get("search", {}).get("max_iterations", 3)

2. AutoKaggle

基本信息

英文名称: AutoKaggle 中文名称: 自动 Kaggle 竞赛助手 适用场景: Kaggle 竞赛（高复杂度） 配置路径: agent.autokaggle

独立参数

参数名	类型	默认值	说明
`max_attempts_per_phase`	int	5	每个阶段的最大重试次数。当某个阶段的代码执行失败或评分不达标时，会重试最多该次数。
`success_threshold`	float	3.0	评分阈值（1-5分）。当某个阶段的评审分数达到或超过此值时，进入下一阶段。

v1.9.0+ API 完整示例

python

from dotenv import load_dotenv
load_dotenv()

import dslighting

data = dslighting.load_data("/path/to/your/data")

agent = dslighting.Agent(
    workflow="autokaggle",
    model="gpt-4o",
    temperature=0.5,

    autokaggle={
        "max_attempts_per_phase": 5,
        "success_threshold": 3.5
    }
)

result = agent.run(data)

print(f"Score: {result.score}")
print(f"Duration: {result.duration:.1f}s")
print(f"Cost: ${result.cost:.2f}")

参数详解

`max_attempts_per_phase`

作用: 控制每个动态阶段的容错性

推荐值:

场景	推荐值	说明
快速测试	2-3	低成本，快速验证想法
标准配置	5	默认值，平衡性能和成本
高质量	8-10	适用于重要竞赛
极限性能	15+	追求最佳成绩

示例:

python

# 低成本快速测试
agent = dslighting.Agent(
    workflow="autokaggle",
    autokaggle={"max_attempts_per_phase": 2}
)

# 标准配置（推荐）
agent = dslighting.Agent(
    workflow="autokaggle",
    autokaggle={"max_attempts_per_phase": 5}
)

# 高质量竞赛
agent = dslighting.Agent(
    workflow="autokaggle",
    autokaggle={"max_attempts_per_phase": 10}
)

`success_threshold`

作用: 控制每个阶段的质量门槛

评分标准 (1-5分):

分数	代码质量	说明
1-2分	差	代码有严重错误或逻辑问题
3分	合格	代码基本正确，但需要改进（默认）
4分	良好	代码质量良好，有小问题
5分	完美	代码完美，无需改进

推荐值:

场景	推荐值	说明
快速迭代	2.5-3.0	降低门槛，快速推进
标准配置	3.0-3.5	平衡质量和速度
高质量	4.0-4.5	严格标准，确保质量
极限性能	5.0	完美主义，追求极致

示例:

python

# 宽松标准（快速）
agent = dslighting.Agent(
    workflow="autokaggle",
    autokaggle={"success_threshold": 2.5}
)

# 标准配置
agent = dslighting.Agent(
    workflow="autokaggle",
    autokaggle={"success_threshold": 3.0}
)

# 严格标准（高质量）
agent = dslighting.Agent(
    workflow="autokaggle",
    autokaggle={"success_threshold": 4.0}
)

重要说明

AutoKaggle 的阶段是动态规划的:

max_iterations 不控制 AutoKaggle 的阶段数
阶段数由 LLM 根据任务复杂度动态规划
每个阶段会重试 max_attempts_per_phase 次，直到分数达到 success_threshold

源码位置

文件: dsat/workflows/manual/autokaggle_workflow.py
行号: 44-48

代码:

python

sop_config = agent_config.get("autokaggle", {})
self.config = {
    "max_attempts_per_phase": sop_config.get("max_attempts_per_phase", 5),
    "success_threshold": sop_config.get("success_threshold", 3.0)
}

3. DataInterpreter

基本信息

英文名称: DataInterpreter 中文名称: 数据解释器 适用场景: 数据探索、分析、可视化 配置路径: agent (无独立配置段)

独立参数

无独立参数

DataInterpreter 没有独有的 workflow 参数，只使用公共参数。

v1.9.0+ API 完整示例

python

from dotenv import load_dotenv
load_dotenv()

import dslighting

data = dslighting.load_data("/path/to/your/data")

agent = dslighting.Agent(
    workflow="data_interpreter",
    model="gpt-4o-mini",
    temperature=0.7,
    max_iterations=5,
)

result = agent.run(data)

print(f"Output: {result.output}")
print(f"Cost: ${result.cost:.2f}")

源码位置

文件: dsat/workflows/manual/data_interpreter_workflow.py
行号: 37
代码: self.max_retries = self.agent_config.get("max_retries", 3)

4. AutoMind

基本信息

英文名称: AutoMind 中文名称: 自动机智 适用场景: 复杂规划、需要知识库的长期任务 配置路径: workflow.params

独立参数

参数名	类型	默认值	说明
`case_dir`	str	-	经验回放目录路径。用于保存和加载历史经验案例。
`enable_rag`	bool	True	是否启用 RAG（检索增强生成）。启用时会使用知识库检索相似历史经验。

v1.9.0+ API 完整示例

方法 1：基本用法（启用 RAG - 默认）

python

from dotenv import load_dotenv
load_dotenv()

import dslighting

data = dslighting.load_data("/path/to/your/data")

agent = dslighting.Agent(
    workflow="automind",
    model="gpt-4o",
    temperature=0.5,
    max_iterations=10,

    automind={
        "case_dir": "./experience_replay",
        "enable_rag": True  # 默认值，使用知识库检索
    }
)

result = agent.run(data)

print(f"Score: {result.score}")
print(f"Output: {result.output}")
print(f"Cost: ${result.cost:.2f}")

方法 2：禁用 RAG（避免 HuggingFace 下载）

python

from dotenv import load_dotenv
load_dotenv()

import dslighting

data = dslighting.load_data("/path/to/your/data")

agent = dslighting.Agent(
    workflow="automind",
    model="gpt-4o",
    temperature=0.5,
    max_iterations=10,

    automind={
        "enable_rag": False  # 禁用知识库，不需要 HuggingFace
    }
)

result = agent.run(data)

print(f"Score: {result.score}")
print(f"Cost: ${result.cost:.2f}")

方法 3：使用 DeepSeek 模型并禁用 RAG

python

from dotenv import load_dotenv
load_dotenv()

import dslighting

data = dslighting.load_data("/path/to/your/data")

agent = dslighting.Agent(
    model="openai/deepseek-ai/DeepSeek-V3",  # 或其他 DeepSeek 模型
    workflow="automind",
    automind={
        "enable_rag": False  # 禁用知识库检索
    }
)

result = agent.run(data)

print(f"Score: {result.score}")
print(f"Cost: ${result.cost:.2f}")
print(f"Output: {result.output}")

参数详解

`case_dir`

作用: 指定经验回放（Experience Replay）目录

用途:

保存成功案例供未来参考
使用向量数据库 (VDB) 检索相似历史经验
加速复杂任务的解决

示例:

python

# 使用相对路径
agent = dslighting.Agent(
    workflow="automind",
    automind={"case_dir": "./experience_replay"}
)

# 使用绝对路径
agent = dslighting.Agent(
    workflow="automind",
    automind={"case_dir": "/path/to/experience_replay"}
)

# 不使用经验回放（不传此参数）
agent = dslighting.Agent(workflow="automind")  # case_dir 为可选

目录结构 (会自动创建):

experience_replay/
├── cases/          # 历史案例
├── vectors/        # 向量索引
└── metadata.json   # 元数据

`enable_rag`

作用: 控制是否启用 RAG（检索增强生成）功能

何时使用:

场景	推荐设置	说明
需要从历史经验中学习	`enable_rag=True`	使用向量数据库检索相似案例
避免 HuggingFace 下载	`enable_rag=False`	不使用知识库，避免网络问题
首次运行/无历史数据	`enable_rag=False`	没有历史案例时无需 RAG
使用国产模型（DeepSeek等）	`enable_rag=False`	避免依赖 HuggingFace

示例:

python

# 启用 RAG（默认）
agent = dslighting.Agent(
    workflow="automind",
    automind={"enable_rag": True}  # 需要安装 sentence-transformers
)

# 禁用 RAG
agent = dslighting.Agent(
    workflow="automind",
    automind={"enable_rag": False}  # 不需要额外依赖
)

# 配合 case_dir 使用
agent = dslighting.Agent(
    workflow="automind",
    automind={
        "case_dir": "./experience_replay",
        "enable_rag": True  # 从历史案例中检索
    }
)

注意事项:

enable_rag=True 时，AutoMind 会使用 HuggingFace 的嵌入模型
如果网络无法访问 HuggingFace，建议设置 enable_rag=False
禁用 RAG 后，AutoMind 仍然会保存案例到 case_dir，但不会检索历史经验

源码位置

文件: dsat/workflows/search/automind_workflow.py
行号: 35-48
说明: AutoMind 继承自 AIDE，增加了 VDB 服务和案例检索功能

5. DS-Agent

基本信息

英文名称: DS-Agent 中文名称: 数据科学 Agent 适用场景: 长期任务、需要持续规划和日志记录 配置路径: workflow.params

独立参数

参数名	类型	默认值	说明
`case_dir`	str	-	经验回放目录路径（与 AutoMind 类似）。
`enable_rag`	bool	True	是否启用 RAG（检索增强生成）。启用时会使用知识库检索相似历史经验。（v1.9.7+）

v1.9.0+ API 完整示例

方法 1：基本用法（启用 RAG - 默认）

python

from dotenv import load_dotenv
load_dotenv()

import dslighting

data = dslighting.load_data("/path/to/your/data")

agent = dslighting.Agent(
    workflow="dsagent",
    model="gpt-4o",
    temperature=0.6,
    max_iterations=15,

    dsagent={
        "case_dir": "./experience_replay",
        "enable_rag": True  # 默认值，使用知识库检索
    }
)

result = agent.run(data)

print(f"Score: {result.score}")
print(f"Output: {result.output}")
print(f"Cost: ${result.cost:.2f}")

方法 2：禁用 RAG（避免 HuggingFace 下载）

python

from dotenv import load_dotenv
load_dotenv()

import dslighting

data = dslighting.load_data("/path/to/your/data")

agent = dslighting.Agent(
    workflow="dsagent",
    model="gpt-4o",
    temperature=0.6,
    max_iterations=15,

    dsagent={
        "enable_rag": False  # 禁用知识库，不需要 HuggingFace
    }
)

result = agent.run(data)

print(f"Score: {result.score}")
print(f"Cost: ${result.cost:.2f}")

方法 3：使用 DeepSeek 模型并禁用 RAG

python

from dotenv import load_dotenv
load_dotenv()

import dslighting

data = dslighting.load_data("/path/to/your/data")

agent = dslighting.Agent(
    model="openai/deepseek-ai/DeepSeek-V3",  # 或其他 DeepSeek 模型
    workflow="dsagent",
    dsagent={
        "enable_rag": False  # 禁用知识库检索
    }
)

result = agent.run(data)

print(f"Score: {result.score}")
print(f"Cost: ${result.cost:.2f}")
print(f"Output: {result.output}")

参数详解

`case_dir`

作用: 与 AutoMind 类似，用于经验回放

特点:

DS-Agent 使用 Plan-Execute-Log 循环
每次迭代会记录日志到 case_dir
可以从历史案例中学习

示例:

python

# 使用相对路径
agent = dslighting.Agent(
    workflow="dsagent",
    dsagent={"case_dir": "./dsa_experience"}
)

# 使用绝对路径
agent = dslighting.Agent(
    workflow="dsagent",
    dsagent={"case_dir": "/path/to/dsa_experience"}
)

`enable_rag`

作用: 控制是否启用 RAG（检索增强生成）功能（v1.9.7+）

何时使用:

场景	推荐设置	说明
需要从历史经验中学习	`enable_rag=True`	使用向量数据库检索相似案例
避免 HuggingFace 下载	`enable_rag=False`	不使用知识库，避免网络问题
首次运行/无历史数据	`enable_rag=False`	没有历史案例时无需 RAG
使用国产模型（DeepSeek等）	`enable_rag=False`	避免依赖 HuggingFace

示例:

python

# 启用 RAG（默认）
agent = dslighting.Agent(
    workflow="dsagent",
    dsagent={"enable_rag": True}  # 需要安装 sentence-transformers
)

# 禁用 RAG
agent = dslighting.Agent(
    workflow="dsagent",
    dsagent={"enable_rag": False}  # 不需要额外依赖
)

# 配合 case_dir 使用
agent = dslighting.Agent(
    workflow="dsagent",
    dsagent={
        "case_dir": "./experience_replay",
        "enable_rag": True  # 从历史案例中检索
    }
)

注意事项:

enable_rag=True 时，DS-Agent 会使用 HuggingFace 的嵌入模型
如果网络无法访问 HuggingFace，建议设置 enable_rag=False
禁用 RAG 后，DS-Agent 仍然会保存案例到 case_dir，但不会检索历史经验
此功能在 v1.9.7 中添加，与 AutoMind 的 RAG 控制功能一致

源码位置

文件: dsat/workflows/manual/dsagent_workflow.py
行号: 23-30
说明: 实现 Plan -> Execute -> Log 循环

6. DeepAnalyze

基本信息

英文名称: DeepAnalyze 中文名称: 深度分析 适用场景: 深度数据分析、结构化思考 配置路径: agent (无独立配置段)

独立参数

无独立参数

DeepAnalyze 没有独有的 workflow 参数，只使用公共参数。

v1.9.0+ API 完整示例

python

from dotenv import load_dotenv
load_dotenv()

import dslighting

data = dslighting.load_data("/path/to/your/data")

agent = dslighting.Agent(
    workflow="deepanalyze",
    model="gpt-4o",
    temperature=0.8,
    max_iterations=10,
)

result = agent.run(data)

print(f"Analysis: {result.output}")
print(f"Cost: ${result.cost:.2f}")

特殊说明

DeepAnalyze 使用结构化标签 (<Analyze>, <Code>, <Execute>, <Answer>) 进行多轮对话。

终止条件:

检测到 <Answer> 块
达到 max_iterations

源码位置

文件: dsat/workflows/manual/deepanalyze_workflow.py
行号: 46
代码: self.max_iterations = agent_config.get("max_iterations", 10)

7. 参数映射表

嵌套字典 → 配置路径映射

Workflow	嵌套字典键	配置路径 (Config Path)	说明
AIDE	`aide`	`agent.search.*`	AIDE 独立参数映射到 agent.search
AutoKaggle	`autokaggle`	`agent.autokaggle.*`	AutoKaggle 独立参数
AutoMind	`automind`	`workflow.params.*`	AutoMind 独立参数
DS-Agent	`dsagent`	`workflow.params.*`	DS-Agent 独立参数
DataInterpreter	`data_interpreter`	(无独立参数)	仅使用公共参数
DeepAnalyze	`deepanalyze`	(无独立参数)	仅使用公共参数

完整映射示例

python

# ========== AutoKaggle ==========
agent = dslighting.Agent(
    workflow="autokaggle",
    autokaggle={
        "max_attempts_per_phase": 5,    # → agent.autokaggle.max_attempts_per_phase
        "success_threshold": 3.5        # → agent.autokaggle.success_threshold
    }
)

# ========== AIDE ==========
agent = dslighting.Agent(
    workflow="aide",
    aide={
        "num_drafts": 5,        # → agent.search.num_drafts
        "debug_prob": 0.8,      # → agent.search.debug_prob
        "max_debug_depth": 10   # → agent.search.max_debug_depth
    }
)

# ========== AutoMind ==========
agent = dslighting.Agent(
    workflow="automind",
    automind={
        "case_dir": "./exp"     # → workflow.params.case_dir
    }
)

# ========== DS-Agent ==========
agent = dslighting.Agent(
    workflow="dsagent",
    dsagent={
        "case_dir": "./exp"     # → workflow.params.case_dir
    }
)

8. 公共参数

这些参数不属于任何特定 workflow，适用于所有 agent：

参数名	类型	默认值	说明
`model`	str	"gpt-4o"	LLM 模型名称
`temperature`	float	0.5	生成温度 (0.0-1.0)
`max_iterations`	int	10	最大迭代次数
`keep_workspace`	bool	False	是否保留工作空间
`keep_workspace_on_failure`	bool	True	失败时是否保留工作空间

9. 快速参考卡片

AIDE

python

from dotenv import load_dotenv
load_dotenv()

import dslighting

data = dslighting.load_data("/path/to/your/data")

agent = dslighting.Agent(
    workflow="aide",
    model="gpt-4o",
    temperature=0.7,
    max_iterations=10,
)

result = agent.run(data)
print(f"Score: {result.score}")

AutoKaggle

python

from dotenv import load_dotenv
load_dotenv()

import dslighting

data = dslighting.load_data("/path/to/your/data")

agent = dslighting.Agent(
    workflow="autokaggle",
    autokaggle={
        "max_attempts_per_phase": 5,
        "success_threshold": 3.5
    }
)

result = agent.run(data)
print(f"Score: {result.score}")

DataInterpreter

python

from dotenv import load_dotenv
load_dotenv()

import dslighting

data = dslighting.load_data("/path/to/your/data")

agent = dslighting.Agent(
    workflow="data_interpreter",
    model="gpt-4o-mini",
    max_iterations=5,
)

result = agent.run(data)
print(f"Output: {result.output}")

AutoMind

python

from dotenv import load_dotenv
load_dotenv()

import dslighting

data = dslighting.load_data("/path/to/your/data")

agent = dslighting.Agent(
    workflow="automind",
    automind={
        "case_dir": "./experience_replay",
        "enable_rag": True  # 启用知识库检索
    }
)

result = agent.run(data)
print(f"Score: {result.score}")

# 禁用 RAG（避免 HuggingFace）
agent = dslighting.Agent(
    workflow="automind",
    automind={"enable_rag": False}
)

DS-Agent

python

from dotenv import load_dotenv
load_dotenv()

import dslighting

data = dslighting.load_data("/path/to/your/data")

agent = dslighting.Agent(
    workflow="dsagent",
    dsagent={
        "case_dir": "./experience_replay",
        "enable_rag": True  # 启用知识库检索
    }
)

result = agent.run(data)
print(f"Score: {result.score}")

# 禁用 RAG（避免 HuggingFace）
agent = dslighting.Agent(
    workflow="dsagent",
    dsagent={"enable_rag": False}
)

DeepAnalyze

python

from dotenv import load_dotenv
load_dotenv()

import dslighting

data = dslighting.load_data("data.csv")

agent = dslighting.Agent(
    workflow="deepanalyze",
    model="gpt-4o",
    max_iterations=10,
)

result = agent.run(data)
print(f"Output: {result.output}")

版本说明

版本: DSLighting v1.9.0+
发布日期: 2026-01-17
向后兼容: 100% 兼容 v1.8.x 旧格式
文档类型: PyPI API 参数参考

附录: 源码参考

所有 workflow 源码位于: dsat/workflows/

AIDE: search/aide_workflow.py
AutoKaggle: manual/autokaggle_workflow.py
DataInterpreter: manual/data_interpreter_workflow.py
AutoMind: search/automind_workflow.py
DS-Agent: manual/dsagent_workflow.py
DeepAnalyze: manual/deepanalyze_workflow.py

Agent 参数完整指南 ​

目录 ​

1. AIDE ​

基本信息 ​

独立参数 ​

v1.9.0+ API 完整示例 ​

简化版本（推荐使用） ​

源码位置 ​

2. AutoKaggle ​

基本信息 ​

独立参数 ​

v1.9.0+ API 完整示例 ​

参数详解 ​

max_attempts_per_phase ​

success_threshold ​

重要说明 ​

源码位置 ​

3. DataInterpreter ​

基本信息 ​

独立参数 ​

v1.9.0+ API 完整示例 ​

源码位置 ​

4. AutoMind ​

基本信息 ​

独立参数 ​

v1.9.0+ API 完整示例 ​

方法 1：基本用法（启用 RAG - 默认） ​

方法 2：禁用 RAG（避免 HuggingFace 下载） ​

方法 3：使用 DeepSeek 模型并禁用 RAG ​

参数详解 ​

case_dir ​

enable_rag ​

源码位置 ​

5. DS-Agent ​

基本信息 ​

独立参数 ​

v1.9.0+ API 完整示例 ​

方法 1：基本用法（启用 RAG - 默认） ​

方法 2：禁用 RAG（避免 HuggingFace 下载） ​

方法 3：使用 DeepSeek 模型并禁用 RAG ​

参数详解 ​

case_dir ​

enable_rag ​

源码位置 ​

6. DeepAnalyze ​

基本信息 ​

独立参数 ​

v1.9.0+ API 完整示例 ​

特殊说明 ​

源码位置 ​

7. 参数映射表 ​

嵌套字典 → 配置路径映射 ​

完整映射示例 ​

8. 公共参数 ​

9. 快速参考卡片 ​

AIDE ​

AutoKaggle ​

DataInterpreter ​

AutoMind ​

DS-Agent ​

DeepAnalyze ​

版本说明 ​

附录: 源码参考 ​

Agent 参数完整指南

目录

1. AIDE

基本信息

独立参数

v1.9.0+ API 完整示例

简化版本（推荐使用）

源码位置

2. AutoKaggle

基本信息

独立参数

v1.9.0+ API 完整示例

参数详解

`max_attempts_per_phase`

`success_threshold`

重要说明

源码位置

3. DataInterpreter

基本信息

独立参数

v1.9.0+ API 完整示例

源码位置

4. AutoMind

基本信息

独立参数

v1.9.0+ API 完整示例

方法 1：基本用法（启用 RAG - 默认）

方法 2：禁用 RAG（避免 HuggingFace 下载）

方法 3：使用 DeepSeek 模型并禁用 RAG

参数详解

`case_dir`

`enable_rag`

源码位置

5. DS-Agent

基本信息

独立参数

v1.9.0+ API 完整示例

方法 1：基本用法（启用 RAG - 默认）

方法 2：禁用 RAG（避免 HuggingFace 下载）

方法 3：使用 DeepSeek 模型并禁用 RAG

参数详解

`case_dir`

`enable_rag`

源码位置

6. DeepAnalyze

基本信息

独立参数

v1.9.0+ API 完整示例

特殊说明

源码位置

7. 参数映射表

嵌套字典 → 配置路径映射

完整映射示例

8. 公共参数

9. 快速参考卡片

AIDE

AutoKaggle

DataInterpreter

AutoMind

DS-Agent

DeepAnalyze

版本说明

附录: 源码参考