从意图到人工智能管道：非人工智能专家科学家的受控代理框架

人工智能 (AI) 管道已成为现代研究不可或缺的一部分，支持医学科学、农业和社会科学等领域，并实现大规模数据分析、预测建模和复杂任务的自动化。然而，由于端到端人工智能系统的设计和开发需要专业知识，设计和实施人工智能解决方案对许多研究人员来说仍然具有挑战性。为了解决这一差距，我们提出了领域驱动的自适应人工智能管道（DDAP），这是一种受控的、人机交互的代理框架，利用 大语言模型 来指导用户系统地构建人工智能管道及其相应的实现代码。 DDAP 将开发过程分为四个阶段：问题定义、计算环境规范、管道生成和代码生成。通过这种分阶段的交互，该框架可以适应领域上下文、用户专业知识和资源限制，同时保持用户对关键决策的控制。我们通过将 AI 模型与专家开发的模型进行比较，跨商业、生物学和健康科学领域的多个数据集评估 DDAP。实验结果表明，与专家基线相比，DDAP 在多项任务中取得了有竞争力的结果，尽管性能因问题类型而异，尤其是基于文本的聚类任务。通过结合引导交互、适应性和可重复性，DDAP 证明受控代理框架可以为非专家用户生成有竞争力的 AI 管道。