pgalko/BambooAI

解决的问题

BambooAI 是一款由 LLM 驱动的数据分析师，专为需要透明、可重现且可验证数据分析的专业人士而设计。与标准聊天界面不同，它作为一个结构化的分析师运行，在持久化核心中编写并执行 Python 代码，确保每个最终结果在报告给用户之前，都会在一个全新的环境中重新执行并验证。

工作原理

该系统通过一系列“回合”运作，分析师模型读取当前状态（问题、数据集和之前的单元格输出），并采取特定行动，例如运行 Python 单元格、搜索网络或请求更多信息。

关键技术机制包括：

• 带检查点的持久化核心：分析在 Python 核心中进行，每个单元格都是一个检查点；失败的单元格会被回滚以保持命名空间的干净。
• 验证循环：报告生成后，系统会将引用的单元格组装成脚本，并在一个全新的核心中运行，以验证报告中的数字是否可重现。
• 多席位架构：根据所需的推理工作量或成本，将不同的角色（分析师、审阅者、重写者、知识蒸馏器）分配给不同的模型。
• 隔离执行：默认情况下，模型生成的代码在 Docker 容器内运行，以确保安全并与主机隔离。
• 内存包 (Memory Packs)：系统将关于特定数据集的经验教训提炼成内存包，供未来分析相同数据时使用。

目标用户

它专为数据分析师和研究人员构建，他们需要一个分步式的笔记本风格工作流程，其中中间结果可见，且最终数字经过严格检查。

亮点

• 可重现性：自动在全新核心中重新运行引用的代码，以验证报告数据。
• 灵活的执行模式：提供快速、深度和自适应模式（后者具有由更强模型进行的定期自我审查功能）。
• 广泛的模型支持：兼容包括 OpenAI、Anthropic、Google、Groq、Mistral、xAI、DeepSeek 在内的十个提供商，以及通过 Ollama 和 vLLM 实现的本地选项。
• 集成数据源：原生支持 CSV、Parquet、JSON、XLSX，以及针对运动科学数据（Intervals.icu、Endura、SweatStack）的专门集成。
• 网络基础 (Web Grounding)：使用 Gemini 进行网络搜索，将内部数据与已发布的数据进行比较。