ProfiliTable：基于智能体工作流的画像驱动表格数据处理

表格处理——包括清洗、转换、增强与匹配——是真实数据管线中基础却易错的环节。尽管近来的LLM方法为自动化此类任务带来希望，但它们在实践中常因指令含糊、任务结构复杂以及缺乏结构化反馈而陷入困境，生成语法正确却语义有缺陷的代码。为应对这些挑战，我们提出ProfiliTable，一个以动态画像（dynamic profiling）为核心的自主多智能体框架，通过交互式探索、知识增强合成与反馈驱动精炼来构建并迭代完善统一的执行上下文。ProfiliTable集成了：(i)执行ReAct风格数据探索以建立语义理解的画像器（Profiler），(ii)检索精选算子以合成任务感知代码的生成器（Generator），以及(iii)注入执行分数与诊断洞见以实现闭环精炼的评估-总结（Evaluator-Summarizer）循环。在覆盖18类表格任务类型的多样基准上的大量实验表明，ProfiliTable持续优于强基线，在复杂多步场景中尤为突出。这些结果凸显了动态画像在将含糊用户意图可靠转化为稳健且符合治理要求的表格转换中的关键作用。