MLE-Agent 使用教程

MLE-Agent 使用教程

MLE-agent MLE-Agent is designed to be a pair coding agent for machine learning engineers and researchers. Support OpenAI and Ollama. 项目地址: https://gitcode.com/gh_mirrors/mle/MLE-agent

1. 项目介绍

MLE-Agent 是由 MLSysOps 开发的一款智能助手，旨在为机器学习工程师和研究人员提供无缝的 AI 工程和研究体验。它具备以下特点：

• 自动基线：根据用户需求自动构建机器学习/AI 基线和解决方案。
• 端到端 ML 任务：参与 Kaggle 竞赛并独立完成任务。
• arxiv 和 Papers with Code 集成：访问最佳实践和最先进的方法。
• 智能调试：通过自动调试器-编码器交互确保代码质量。
• 文件系统集成：高效组织项目结构。
• 工具集成：包括 AI/ML 功能和 MLOps 工具，实现无缝工作流程。
• 交互式 CLI 聊天：通过易用的聊天界面增强项目。
• 智能顾问：为用户的 ML/AI 项目提供个性化建议和推荐。
• 周报自动生成：自动生成详细的工作总结。

2. 项目快速启动

首先，确保已经安装了 Python 环境。然后，可以通过以下命令安装 MLE-Agent：

pip install mle-agent -U

或者，从源代码安装：

git clone git@github.com:MLSysOps/MLE-agent.git
pip install -e .

创建一个新项目：

mle new <项目名>

在项目目录下启动项目：

cd <项目名>
mle start

启动一个交互式聊天：

mle chat

3. 应用案例和最佳实践

案例一：机器学习基线原型

MLE-Agent 可以帮助用户根据给定的需求构建一个机器学习基线，并在本地机器上测试模型。例如，用户想要根据历史数据预测股票价格：

cd <项目名>
mle start

案例二：生成工作报告

MLE-Agent 能够帮助用户总结每周的工作报告，包括开发进度、沟通记录、参考资料和待办事项。

模式一：Web 应用生成报告

cd <项目名>
mle report

然后，可以通过访问 http://localhost:3000/ 在本地生成报告。

模式二：CLI 工具生成报告

cd <项目名>
mle report-local --email=<git 邮箱> --start-date=YYYY-MM-DD --end-date=YYYY-MM-DD <仓库路径>

--start-date 和 --end-date 是可选参数。如果省略，该命令将默认生成过去 7 天的报告。将 <git 邮箱> 替换为用户的 Git 邮箱，将 <仓库路径> 替换为本地 Git 仓库的路径。

案例三：Kaggle 竞赛

MLE-Agent 可以参与 Kaggle 竞赛并独立完成从数据准备到模型训练的编码和调试。以下是开始一个 Kaggle 竞赛的基本命令：

cd <项目名>
mle kaggle

如果数据集和提交文件已准备好，可以让 Agent 无需人工交互完成任务：

cd <项目名>
mle kaggle --auto \
--datasets "<数据集路径1>,<数据集路径2>,..." \
--description "<描述文件路径或文本>" \
--submission "<提交文件路径>" \
--sub_example "<提交示例文件路径>" \
--comp_id "<竞赛ID>"

确保在运行命令前已经加入了竞赛。

4. 典型生态项目

MLE-Agent 集成了多种工具和服务，以下是一些典型的生态项目：

• OpenAI、Anthropic、Gemini、Ollama 等 AI 模型。
• arxiv.org 搜索。
• Papers with Code 搜索。
• Hugging Face。
• SkyPilot 云部署。
• Snowflake 数据。
• AWS S3 数据。
• Databricks 数据目录。
• Wandb 实验监控。
• MLflow 管理工具。
• DBT 数据转换。

通过上述教程，用户可以快速上手并使用 MLE-Agent，提升 AI 工程和研究效率。

MLE-agent MLE-Agent is designed to be a pair coding agent for machine learning engineers and researchers. Support OpenAI and Ollama. 项目地址: https://gitcode.com/gh_mirrors/mle/MLE-agent