阿里推出了一款名为Data Science Assistant（简称DS Assistant）的创新工具，基于开源Agent框架Modelscope-Agent，旨在解决复杂数据科学问题，使科研新手也能轻松上手。DS Assistant能自动完成数据科学流程中的关键步骤，包括探索性数据分析（EDA）、数据预处理、特征工程、模型训练与评估，只需提供需求，其余皆由助手自动完成。

DS Assistant的背后，是阿里开源的Modelscope-Agent框架，具备以下特色： 1. 集成多源模型：通过vllm、ollama等工具接入主流开源模型，或直接调用模型API。 2. 知识库接入：利用RAG组件快速整合知识库资源。 3. 丰富工具生态：集成大量Modelscope社区模型与langchain工具，涵盖web浏览、文生图、代码解析等。 4. 无代码交互：允许用户无需编程即可创建Agent助理。

DS Assistant采用plan-and-execute框架，通过明确规划和执行步骤高效完成复杂任务，不同于传统ReAct框架的不足之处。该框架分为四个主要模块：DS Assistant作为大脑负责整体调度，Plan模块生成任务列表并进行拓扑排序，Execution模块执行具体任务，Memory管理模块记录执行细节。

以Kaggle的ICR – Identifying Age-Related Conditions任务为例，DS Assistant首先配置MetaGPT的工具，接收任务要求，生成任务列表，并依次执行。在数据探索阶段，遇到缺少numpy包的问题，DS Assistant反思并修正代码，最终成功输出数据探索结果。其他阶段如数据预处理、特征工程、模型训练与验证，DS Assistant均能高效完成，确保任务顺利进行。

实验结果显示，DS Assistant在规范化性能得分（NPS）、任务时间和消耗令牌数方面，相比开源SOTA模型表现出色。未来，DS Assistant将从提高任务执行成功率、增强对话交互性、支持批处理等多个方向进行优化，以满足不同用户需求。

总之，DS Assistant通过自动化流程，降低了数据科学门槛，不仅适合初学者快速了解数据处理方法，也为专业人士提供了灵活的实验平台，实现对数据的深层次理解。