pgalko/BambooAI

解決する課題

BambooAIは、透明性、再現性、検証可能性のあるデータ分析を必要とする専門家向けに設計されたLLM駆動のデータアナリストです。標準的なチャットインターフェースとは異なり、構造化されたアナリストとして動作し、永続的なカーネル内でPythonコードを記述・実行します。これにより、すべての最終結果がユーザーに報告される前に、クリーンな環境で再実行され、検証されることが保証されます。

仕組み

システムは一連の「ターン」を通じて動作します。アナリストモデルが現在の状態（質問、データセット、以前のセル出力）を読み取り、Pythonセルの実行、Web検索、情報の追加要求といった特定の行動をとります。

主な技術的メカニズムは以下の通りです：

• チェックポイント付き永続カーネル：分析はPythonカーネル内で行われ、各セルがチェックポイントとなります。失敗したセルはロールバックされ、名前空間をクリーンに保ちます。
• 検証ループ：レポート生成後、システムは引用されたセルをスクリプトとして組み立て、新しいカーネルで実行することで、レポート内の数値が再現可能であることを検証します。
• マルチシートアーキテクチャ：必要な推論の労力やコストに応じて、異なる役割（アナリスト、レビュアー、リライター、知識蒸留器）が異なるモデルに割り当てられます。
• 隔離された実行：デフォルトでは、モデルが生成したコードはDockerコンテナ内で実行され、ホストマシンからのセキュリティと隔離が確保されます。
• メモリパック：特定のデータセットから得られた教訓を「メモリパック」として抽出し、将来同じデータを分析する際に活用します。

対象ユーザー

中間結果が可視化され、最終的な数値が厳密にチェックされる、ステップバイステップのノートブック形式のワークフローを必要とするデータアナリストや研究者向けに構築されています。

ハイライト

• 再現性：引用されたコードを新しいカーネルで自動的に再実行し、レポートの数値を検証します。
• 柔軟な実行モード：クイック、ディープ、アダプティブモード（後者はより強力なモデルによる定期的な自己レビュー機能を備えています）を提供します。
• 幅広いモデルサポート：OpenAI、Anthropic、Google、Groq、Mistral、xAI、DeepSeekを含む10のプロバイダーに加え、OllamaやvLLMを通じたローカルオプションと互換性があります。
• 統合データソース：CSV、Parquet、JSON、XLSXのネイティブサポートに加え、スポーツ科学データ（Intervals.icu、Endura、SweatStack）向けの専門的な統合機能を備えています。
• Webグラウンディング：Geminiを使用してWeb検索を行い、内部データと公開されている数値を比較します。