pgalko/BambooAI

해결하는 문제

BambooAI는 투명하고 재현 가능하며 검증 가능한 데이터 분석이 필요한 전문가를 위해 설계된 LLM 기반 데이터 분석가입니다. 일반적인 채팅 인터페이스와 달리, 구조화된 분석가로서 작동하며 지속적인 커널에서 Python 코드를 작성하고 실행합니다. 이를 통해 모든 최종 결과가 사용자에게 보고되기 전에 새로운 환경에서 재실행 및 검증됨을 보장합니다.

작동 방식

이 시스템은 일련의 '턴(turn)'을 통해 작동합니다. 분석가 모델이 현재 상태(질문, 데이터셋, 이전 셀 출력)를 읽고 Python 셀 실행, 웹 검색, 추가 정보 요청과 같은 특정 작업을 수행합니다.

주요 기술적 메커니즘은 다음과 같습니다:

• 체크포인트가 있는 지속적 커널: 분석은 Python 커널 내에서 이루어지며 각 셀은 체크포인트 역할을 합니다. 실패한 셀은 롤백되어 네임스페이스를 깨끗하게 유지합니다.
• 검증 루프: 보고서가 생성된 후, 시스템은 인용된 셀들을 스크립트로 조립하여 새로운 커널에서 실행함으로써 보고서의 수치가 재현 가능한지 검증합니다.
• 멀티 시트 아키텍처: 필요한 추론 노력이나 비용에 따라 분석가, 검토자, 재작성자, 지식 증류기 등 서로 다른 역할이 모델에 할당됩니다.
• 격리된 실행: 기본적으로 모델이 생성한 코드는 Docker 컨테이너 내에서 실행되어 호스트 머신으로부터의 보안과 격리를 보장합니다.
• 메모리 팩: 특정 데이터셋에 대해 학습한 내용을 '메모리 팩'으로 추출하여 향후 동일한 데이터를 분석할 때 활용합니다.

대상 사용자

중간 결과가 가시적이고 최종 수치가 엄격하게 확인되는 단계별 노트북 스타일의 워크플로우가 필요한 데이터 분석가 및 연구자를 위해 구축되었습니다.

주요 특징

• 재현성: 인용된 코드를 새로운 커널에서 자동으로 재실행하여 보고서 수치를 검증합니다.
• 유연한 실행 모드: 퀵(Quick), 딥(Deep), 적응형(Adaptive) 모드를 제공합니다(적응형 모드는 더 강력한 모델에 의한 주기적인 자체 검토 기능을 포함합니다).
• 광범위한 모델 지원: OpenAI, Anthropic, Google, Groq, Mistral, xAI, DeepSeek를 포함한 10개 제공업체와 호환되며, Ollama 및 vLLM을 통한 로컬 옵션도 지원합니다.
• 통합 데이터 소스: CSV, Parquet, JSON, XLSX에 대한 기본 지원과 스포츠 과학 데이터(Intervals.icu, Endura, SweatStack)를 위한 전문 통합 기능을 제공합니다.
• 웹 그라운딩: Gemini를 사용하여 웹 검색을 수행하고 내부 데이터와 공개된 수치를 비교합니다.